申请/专利权人：哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

申请日：2023-12-29

公开（公告）日：2024-04-16

公开（公告）号：CN117894029A

主分类号：G06V30/412

分类号：G06V30/412;G06V30/414;G06V30/19

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明公开了一种文档表格自动检测方法，首先根据输入文件类别调用PDF解析器或者OCR模块从文档页中抽取文本块及其属性；其次对文本块进行预处理，结合其位置信息获得特征向量；将文本块特征向量输入二维文本位置编码器，获得蕴含全局信息的文本表示向量；利用文本表示向量对文本块进行分类，输出对应的表格边界类别；通过启发式算法，对分类为表格内文本的文本块进行聚合，生成候选表格区域；最后利用表格边界类别，对候选表格区域进行进一步切分，输出最终表格区域边界。相对于现有技术，本发明能准确、稳定地检测出文档中表格所在位置。

主权项：1.一种文档表格自动检测方法，其特征在于，包括以下步骤：步骤S10，输入待检测的文档页，抽取出所述文档页包含的所有文本块，标注每个文本块的复杂属性集；步骤S20，基于每个文本块的复杂属性集，进行文档页的文本块预处理，对每个文本块，生成文档页表格检测模型的文本块模型特征向量；步骤S30，对所述步骤S20中生成的文档页的每个文本块模型特征向量，按顺序生成输入序列，输入到二维文本位置信息编码器中进行学习，输出蕴含横向、纵向排列对齐特征的文本块位置表示向量；步骤S40，将蕴含横向、纵向排列对齐特征的文本块位置表示向量输入到表格边界分类器进行分类，输出该文本块所属的表格边界类别；步骤S50，基于所述步骤S40输出的每个文本块所属的表格边界类别，利用启发式算法，对文本块进行聚合，计算并输出候选表格集合中每个候选表格的区域坐标；步骤S60，基于所述步骤S50所输出的候选表格集合，以及所述步骤S40中所输出的每个文本块所属的表格边界类别，通过表格边界生成算法，生成表格的边界线，对候选表格集合中每个候选表格，按照对应边界线进行切分，并输出最终检测到的每个表格区域的边界。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) 一种文档表格自动检测方法

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