申请/专利权人：谷歌有限责任公司

申请日：2022-08-25

公开（公告）日：2024-04-16

公开（公告）号：CN117897740A

主分类号：G06V10/82

分类号：G06V10/82;G06V30/412;G06V30/414

优先权：["20210901 US 63/260,831"]

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：一种方法，包括接收表示包括多个布局组件的文档的图像，识别与多个布局组件相关联的文本信息，识别与多个布局组件相关联的视觉信息，将文本信息与视觉信息进行组合，以及使用自注意力编码器解码器基于组合的文本信息和视觉信息来预测多个布局组件的阅读次序。

主权项：1.一种方法，包括：接收表示包括多个布局组件的文档的图像；识别与所述多个布局组件相关联的文本信息；识别与所述多个布局组件相关联的视觉信息；将所述文本信息与所述视觉信息进行组合；以及使用自注意力编码器解码器基于所组合的文本信息和视觉信息来预测所述多个布局组件的阅读次序。

全文数据：

权利要求：

百度查询： 谷歌有限责任公司 使用指针transformer网络的阅读次序

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