申请/专利权人：中国外运股份有限公司;中外运创新科技有限公司

申请日：2023-11-03

公开（公告）日：2024-03-15

公开（公告）号：CN117711007A

主分类号：G06V30/416

分类号：G06V30/416;G06V30/14;G06V30/18;G06V30/19;G06V30/262;G06F40/289

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.02#实质审查的生效;2024.03.15#公开

摘要：本发明提供一种基于多模态信息的单证结构化提取方法及装置，应用于图像处理技术领域，所述方法包括：获取单证样本图像中每个字符的文本及位置信息；将单证样本图像划分为不同区域，得到每个区域的位置信息及排序序号；将每个字符的文本分配到划分后的区域中，进行信息整合，得到词语级别文本块、位置信息及相对位置信息；基于各文本块对应的子词及位置信息，构建文本嵌入向量、视觉嵌入向量及多层次布局嵌入向量；采用相对位置自注意力机制对文本嵌入向量、视觉嵌入向量及多层次布局嵌入向量进行融合提取，得到结构化提取结果。本发明通过提取单证多模态信息，解决现有技术无法准确切分单证中密集文本块的问题，实现键值对的单步式提取。

主权项：1.一种基于多模态信息的单证结构化提取方法，其特征在于，包括：获取单证样本图像中每个字符的文本及位置信息；将所述单证样本图像划分为不同区域，得到每个区域的位置信息及排序序号；基于所述单证样本图像中每个字符的位置信息、划分后每个区域的位置信息及排序序号，将每个字符的文本分配到划分后的区域中，并进行信息整合，得到词语级别文本块、所述文本块对应的位置信息、所述文本块所在区域的位置信息；基于所述文本块的位置信息、文本块所在区域的位置信息，得到所述文本块的相对位置信息及文本块所在区域的相对位置信息；分别对所述文本块进行分词处理，得到各文本块对应的子词；基于所述文本块、所述文本块的位置信息、文本块所在区域的位置信息、所述文本块的相对位置信息、文本块所在区域的相对位置信息，构造所述文本块对应子词的文本表示向量、一维位置向量、二维位置向量及区域位置向量；基于所述文本表示向量、一维位置向量、二维位置向量、区域位置向量及所述单证样本图像的图像特征向量，构建文本嵌入向量、视觉嵌入向量及多层次布局嵌入向量；采用相对位置自注意力机制对文本嵌入向量、视觉嵌入向量及多层次布局嵌入向量进行融合提取，得到结构化提取结果。

全文数据：

权利要求：

百度查询： 中国外运股份有限公司;中外运创新科技有限公司 一种基于多模态信息的单证结构化提取方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD