CN114463769A - 表格识别方法、装置、可读介质和电子设备 - Google Patents

Abstract

本公开涉及一种表格识别方法、装置、可读介质和电子设备，该方法包括：获取表格图像，根据表格图像，通过表格识别模型，确定表格图像对应的表格结构信息，根据表格结构信息，生成表格图像对应的目标表格，其中，表格识别模型用于获取表格图像的图像特征，并对图像特征进行编码，得到特征编码序列，并根据特征编码序列和预设位置编码向量，确定目标特征序列，并根据目标特征序列，确定表格结构信息。本公开通过表格识别模型基于自顶向下的方式，来捕捉全局结构，并输出准确的表格结构信息，能够实现端到端的表格结构识别，同时可以避免繁琐的后处理，提高了对表格结构识别的通用性和识别效果，并且能够提高生成的目标表格的准确性。

Description

表格识别方法、装置、可读介质和电子设备

技术领域

本公开涉及图像识别技术领域，具体地，涉及一种表格识别方法、装置、可读介质和电子设备。

背景技术

随着信息技术的发展，表格作为一种重要的信息表现形式被广泛使用在各个领域。在实际情况中，表格可能会以图像的形式存在，需要对表格图像进行表格识别，来得到表格图像对应的表格结构和表格内容，并生成指定格式的表格，以便于用户对表格图像中的表格信息进行获取、校对和编辑。当前，表格识别主要包括表格结构识别(英文：TableStructure Recognition，缩写：TSR)和表格内容识别(英文：Table Content Recognition，缩写：TCR)两部分。

相关技术中，表格结构识别主要依赖于手工设计的视觉特征，需要先检测出表格中的文本区域、表格线、表格线交点等视觉元素，再采用基于启发式规则的后处理算法，将属于同一单元格、同一行或同一列的元素依次聚类提取出来。然而，表格的样式和结构多种多样，采用这样的方式很难处理所有情况，需要针对每类表格针对性调整后处理算法，对表格结构识别的通用性和识别效果较差，进而影响生成的表格的准确性。

发明内容

提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开提供一种表格识别方法，所述方法包括：

获取表格图像；

根据所述表格图像，通过预先训练好的表格识别模型，确定所述表格图像对应的表格结构信息；

其中，所述表格识别模型用于获取所述表格图像的图像特征，并对所述图像特征进行编码，得到特征编码序列，并根据所述特征编码序列和预设位置编码向量，确定目标特征序列，并根据所述目标特征序列，确定所述表格结构信息；

根据所述表格结构信息，生成所述表格图像对应的目标表格。

第二方面，本公开提供一种表格识别装置，所述装置包括：

获取模块，用于获取表格图像；

处理模块，用于根据所述表格图像，通过预先训练好的表格识别模型，确定所述表格图像对应的表格结构信息；

其中，所述表格识别模型用于获取所述表格图像的图像特征，并对所述图像特征进行编码，得到特征编码序列，并根据所述特征编码序列和预设位置编码向量，确定目标特征序列，并根据所述目标特征序列，确定所述表格结构信息；

生成模块，用于根据所述表格结构信息，生成所述表格图像对应的目标表格。

第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现本公开第一方面所述方法的步骤。

第四方面，本公开提供一种电子设备，包括：

存储装置，其上存储有计算机程序；

处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开第一方面所述方法的步骤。

通过上述技术方案，本公开首先获取表格图像，然后根据表格图像，通过预先训练好的表格识别模型，确定表格图像对应的表格结构信息，最后根据表格结构信息，生成表格图像对应的目标表格，其中，表格识别模型用于获取表格图像的图像特征，之后对图像特征进行编码，得到特征编码序列，再根据特征编码序列和预设位置编码向量，确定目标特征序列，并根据目标特征序列，确定表格结构信息。本公开通过表格识别模型基于自顶向下的方式，来捕捉表格图像的全局结构，并直接输出准确的表格结构信息，能够实现端到端的表格结构识别，不需要依赖手工设计的视觉特征，同时可以避免繁琐的后处理，提高了对表格结构识别的通用性和识别效果，并且，通过准确的表格结构信息来生成目标表格，能够提高生成的目标表格的准确性。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：

图1是根据一示例性实施例示出的一种表格识别方法的流程图；

图2是根据图1所示实施例示出的一种步骤102的流程图；

图3是根据一示例性实施例示出的一种表格识别模型的示意图；

图4是根据图1所示实施例示出的一种步骤103的流程图；

图5是根据一示例性实施例示出的一种训练表格识别模型的流程图；

图6是根据一示例性实施例示出的一种表格识别装置的框图；

图7是根据图6所示实施例示出的一种生成模块的框图；

图8是根据一示例性实施例示出的一种电子设备的框图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

图1是根据一示例性实施例示出的一种表格识别方法的流程图。如图1所示，该方法可以包括以下步骤：

步骤101，获取表格图像。

步骤102，根据表格图像，通过预先训练好的表格识别模型，确定表格图像对应的表格结构信息。

其中，表格识别模型用于获取表格图像的图像特征，并对图像特征进行编码，得到特征编码序列，并根据特征编码序列和预设位置编码向量，确定目标特征序列，并根据目标特征序列，确定表格结构信息。

示例地，可以使用序列建模的方法，将表格图像中的二维表格结构编码为一维序列，再根据该一维序列，通过预先构建的用于识别表格结构的表格识别模型(例如基于2dattention的序列预测模型)，来直接输出表格图像的表格结构信息，以实现端到端的表格结构识别，避免繁琐的后处理操作，从而提高对表格结构识别的通用性和识别效果。并且，由于序列建模属于自顶向下方法，可以更好地捕捉表格的全局结构。因此，能够确保对无边框表格的识别效果。

具体地，首先可以获取含有表格的表格图像，该表格图像例如可以是含有表格的PDF(英文：Portable Document Format，中文：便携式文档格式)。然后，可以将获取到的表格图像输入到训练好的表格识别模型中，由表格识别模型对表格图像进行特征提取，得到包含表格图像的图像特征的特征图，并对特征图进行编码，得到一维的特征编码序列。之后表格识别模型可以根据特征编码序列和预设位置编码向量，生成一维的目标特征序列。其中，预设位置编码向量是由一个随机初始化的嵌入向量，通过在模型训练过程中自动更新学习二维位置编码后所生成的向量，而生成目标特征序列的过程实际上是在特征编码序列的基础上，再加入可学习的二维位置编码，使生成的一维的目标特征序列具备位置感知的能力，从而更好地对表格结构进行识别。最后表格识别模型可以根据目标特征序列进行序列预测，并输出表格图像对应的表格结构信息。其中，表格结构信息为表格图像中含有的表格的表格结构所对应的html(英文：Hyper Text Markup Language，中文：超文本标记语言)序列，该html序列中包含有用于指示表格的表头、表格主体、表格的行、表格的列、表格的行属性和表格的列属性等信息的编码。

步骤103，根据表格结构信息，生成表格图像对应的目标表格。

在本步骤中，可以先根据表格结构信息，确定表格图像中含有的表格的每个单元格的行列位置，再对每个单元格进行识别，得到每个单元格中的表格内容文本。之后可以根据每个单元格的行列位置以及该单元格中的表格内容文本，生成表格图像对应的目标表格。

综上所述，本公开首先获取表格图像，然后根据表格图像，通过预先训练好的表格识别模型，确定表格图像对应的表格结构信息，最后根据表格结构信息，生成表格图像对应的目标表格，其中，表格识别模型用于获取表格图像的图像特征，之后对图像特征进行编码，得到特征编码序列，再根据特征编码序列和预设位置编码向量，确定目标特征序列，并根据目标特征序列，确定表格结构信息。本公开通过表格识别模型基于自顶向下的方式，来捕捉表格图像的全局结构，并直接输出准确的表格结构信息，能够实现端到端的表格结构识别，不需要依赖手工设计的视觉特征，同时可以避免繁琐的后处理，提高了对表格结构识别的通用性和识别效果，并且，通过准确的表格结构信息来生成目标表格，能够提高生成的目标表格的准确性。

图2是根据图1所示实施例示出的一种步骤102的流程图。表格识别模型包括特征提取模块、编码器和解码器，如图2所示，步骤102可以包括以下步骤：

步骤1021，通过特征提取模块获取表格图像的图像特征，并对图像特征进行编码，得到特征编码序列，并根据特征编码序列和预设位置编码向量，确定目标特征序列。

示例地，表格识别模型可以包括特征提取模块、编码器和解码器。其中，特征提取模块可以采用带有二维位置编码的模块，例如特征提取模块可以包括卷积神经网络和嵌入层。在获取到表格图像之后，可以先通过卷积神经网络对表格图像进行特征提取，得到表格图像的特征图(特征图包含了表格图像的图像特征)，并将该特征图发送至嵌入层。之后可以通过嵌入层对特征图进行编码，得到特征输入序列，再对特征编码序列和预设位置编码向量进行融合，得到目标特征序列，并将目标特征序列输入到编码器中。进一步地，在将表格图像输入到表格识别模型之前，还可以对表格图像进行预处理操作(例如，缩放、裁剪、格式转换等操作)，以便于表格识别模型处理。

例如，在卷积神经网络为ResNet50网络，且嵌入层为1x1卷积层(英文：Convolutional layer)的情况下，可以将表格图像缩放到640*640像素后输入到ResNet50网络中，由ResNet50网络以下采样倍数为32对表格图像进行编码，得到大小为20*20的2d特征图。然后将该特征图输入到1x1 conv进行embedding编码，得到长度为20*20，维度为128的特征输入序列。再将预设位置编码向量与特征输入序列进行逐元素相加，来在特征输入序列的基础上，加入可学习的二维位置编码，以保留原始表格图像的二维信息，得到具备位置感知的目标特征序列。其中，预设位置编码向量的维度也是128，包含了表格在行、列两个方向的位置信息，其前64维是水平维度上的一维位置编码，后64维是竖直维度上的一维位置编码。

步骤1022，通过编码器对目标特征序列进行编码，得到图像编码特征。

步骤1023，通过解码器对图像编码特征进行解码，得到表格结构序列，并获取表格结构序列的紧凑编码，得到表格结构信息。

举例来说，编码器可以采用带有自注意力机制的二维卷积加强的序列编码模块，解码器可以采用序列解码模块。在一种场景中，如图3所示，编码器可以包括第一数量个依次耦合的编码模块，解码器可以包括第二数量个依次耦合的解码模块。第一数量个编码模块中的第一个编码模块与特征提取模块连接，第一数量个编码模块中的最后一个编码模块与每个解码模块连接。其中，每个编码模块可以包括多头自注意力层和前馈神经网络，每个解码模块可以包括掩码自注意力层、多头自注意力层和前馈神经网络。例如，编码器可以由4个transformer的encoder层堆叠而成，此时编码模块为一个transformer的encoder层，解码器可以由8个transformer的decoder层堆叠而成，此时解码模块为一个transformer的decoder层。此时最后一个encoder层的输出分别与每个decoder层的多头自注意力层连接。

目标特征序列是由2d特征图拉伸而成，并经过了二维位置编码得到的，因此目标特征序列本质上仍是二维信息分布。编码器在接收到目标特征序列之后，首先可以将一维的目标特征序列重排回二维结构，再通过若干2d conv卷积层加强局部特征聚合，再将其拉伸回一维，进行自注意力计算，这样可以得到融合了局部信息和全局信息的图像编码特征。通过这样的方式，获得的图像编码特征充分平衡了局部的分辨能力和全局的感受能力，更有利于对表格这种固有二维逻辑结构的解析识别，从而更好地识别复杂表格的结构。之后编码器可以将得到的图像编码特征输入到解码器中，由解码器采用自回归解码方式，t时刻的预测输出依赖于编码器特征池和前t-1时刻的预测输出，逐步解码出表格图像对应的表格结构序列，即表格图像对应的html序列。并且，编码器在预测表格结构序列的过程中，可以利用编码字典，对表格结构序列进行紧凑编码，不采用单字符编码，以减少所需预测的表格结构序列的序列长度，并尽可能保证预测序列的合法性，便于进行格式转换和解析。例如，对于html序列中用于定义表格的页眉的标签<thead>，可以将<thead>编码为1个token，而不是'<'、't'、'h'、'e'、'a'、'd'、'>'这7个token，从而大大降低了序列长度。

图4是根据图1所示实施例示出的一种步骤103的流程图。如图4所示，步骤103可以包括：

步骤1031，利用预设识别算法，对表格图像进行识别，得到表格图像对应的表格内容文本。

步骤1032，根据表格结构信息和表格内容文本，生成目标表格。

示例地，在确定表格图像对应的表格结构信息之后，可以先根据表格结构信息，确定表格图像中含有的表格的每个单元格的行列位置(包括起始行、起始列、终止行和终止列索引)，再利用预设识别算法，对每个单元格进行识别，得到每个单元格中的表格内容文本。之后可以根据每个单元格的行列位置以及该单元格中的表格内容文本，生成表格图像对应的目标表格。其中，预设识别算法可以是OCR(英文：Optical Character Recognition，中文：光学字符识别)技术。进一步地，还可以根据实际需求，将目标表格转化为指定数字化格式(例如excel或word等数字化格式)的表格，从而便于用户对目标表格进行校对和编辑。

图5是根据一示例性实施例示出的一种训练表格识别模型的流程图。如图5所示，表格识别模型是通过以下步骤训练得到的：

步骤201，获取训练样本集。其中，训练样本集包括训练表格图像和训练表格图像对应的训练表格结构信息。

步骤202，根据训练样本集对预设模型进行训练，得到表格识别模型。

举例来说，首先可以从网络上或数据库中搜集大量的含有表格的表格图像，并将获取到的每个图像作为一个训练表格图像。例如，可以从网页中爬取多个PDF文档，再对多个PDF文档进行筛选，并将筛选后的每个PDF文档作为一个训练表格图像。之后可以通过人工标注的方式对每个训练表格图像进行标注，得到每个训练表格图像对应的训练表格结构信息，例如，可以人工标注出每个训练表格图像中的表格所对应的html序列，并作为该训练表格图像对应的训练表格结构信息。然后，可以利用全部训练表格图像以及每个训练表格图像对应的训练表格结构信息构建一个训练样本集，并利用该训练样本集对预设模型进行训练，得到表格识别模型。

综上所述，本公开首先获取表格图像，然后根据表格图像，通过预先训练好的表格识别模型，确定表格图像对应的表格结构信息，最后根据表格结构信息，生成表格图像对应的目标表格，其中，表格识别模型用于获取表格图像的图像特征，之后对图像特征进行编码，得到特征编码序列，再根据特征编码序列和预设位置编码向量，确定目标特征序列，并根据目标特征序列，确定表格结构信息。本公开通过表格识别模型基于自顶向下的方式，来捕捉表格图像的全局结构，并直接输出准确的表格结构信息，能够实现端到端的表格结构识别，不需要依赖手工设计的视觉特征，同时可以避免繁琐的后处理，提高了对表格结构识别的通用性和识别效果，并且，通过准确的表格结构信息来生成目标表格，能够提高生成的目标表格的准确性。

图6是根据一示例性实施例示出的一种表格识别装置的框图。如图6所示，该装置300包括：

获取模块301，用于获取表格图像。

处理模块302，用于根据表格图像，通过预先训练好的表格识别模型，确定表格图像对应的表格结构信息。

其中，表格识别模型用于获取表格图像的图像特征，并对图像特征进行编码，得到特征编码序列，并根据特征编码序列和预设位置编码向量，确定目标特征序列，并根据目标特征序列，确定表格结构信息。

生成模块303，用于根据表格结构信息，生成表格图像对应的目标表格。

可选地。表格识别模型包括特征提取模块、编码器和解码器，处理模块302用于：

通过特征提取模块获取表格图像的图像特征，并对图像特征进行编码，得到特征编码序列，并根据特征编码序列和预设位置编码向量，确定目标特征序列。

通过编码器对目标特征序列进行编码，得到图像编码特征。

通过解码器对图像编码特征进行解码，得到表格结构序列，并获取表格结构序列的紧凑编码，得到表格结构信息。

可选地，所述特征提取模块包括卷积神经网络和嵌入层；处理模块302用于：

通过卷积神经网络对表格图像进行特征提取，得到表格图像的特征图。

通过嵌入层对特征图进行编码，得到特征输入序列，并对特征编码序列和预设位置编码向量进行融合，得到目标特征序列。

可选地，编码器包括第一数量个依次耦合的编码模块，解码器包括第二数量个依次耦合的解码模块。第一数量个编码模块中的第一个编码模块与特征提取模块连接，第一数量个编码模块中的最后一个编码模块与每个解码模块连接。每个编码模块包括多头自注意力层和前馈神经网络，每个解码模块包括掩码自注意力层、多头自注意力层和前馈神经网络。

图7是根据图6所示实施例示出的一种生成模块的框图。如图7所示，生成模块303包括：

识别子模块3031，用于利用预设识别算法，对表格图像进行识别，得到表格图像对应的表格内容文本。

生成子模块3032，用于根据表格结构信息和表格内容文本，生成目标表格。

可选地，表格识别模型是通过以下方式训练得到的：

获取训练样本集。其中，训练样本集包括训练表格图像和训练表格图像对应的训练表格结构信息。

根据训练样本集对预设模型进行训练，得到表格识别模型。

综上所述，本公开首先获取表格图像，然后根据表格图像，通过预先训练好的表格识别模型，确定表格图像对应的表格结构信息，最后根据表格结构信息，生成表格图像对应的目标表格，其中，表格识别模型用于获取表格图像的图像特征，之后对图像特征进行编码，得到特征编码序列，再根据特征编码序列和预设位置编码向量，确定目标特征序列，并根据目标特征序列，确定表格结构信息。本公开通过表格识别模型基于自顶向下的方式，来捕捉表格图像的全局结构，并直接输出准确的表格结构信息，能够实现端到端的表格结构识别，不需要依赖手工设计的视觉特征，同时可以避免繁琐的后处理，提高了对表格结构识别的通用性和识别效果，并且，通过准确的表格结构信息来生成目标表格，能够提高生成的目标表格的准确性。

下面参考图8，其示出了适于用来实现本公开实施例的电子设备(例如图1中的终端设备或服务器)600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图8示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图8所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取表格图像；根据所述表格图像，通过预先训练好的表格识别模型，确定所述表格图像对应的表格结构信息；根据所述表格结构信息，生成所述表格图像对应的目标表格；其中，所述表格识别模型用于获取所述表格图像的图像特征，并对所述图像特征进行编码，得到特征编码序列，并根据所述特征编码序列和预设位置编码向量，确定目标特征序列，并根据所述目标特征序列，确定所述表格结构信息。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，获取模块还可以被描述为“获取表格图像的模块”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

根据本公开的一个或多个实施例，示例1提供了一种表格识别方法，所述方法包括：获取表格图像；根据所述表格图像，通过预先训练好的表格识别模型，确定所述表格图像对应的表格结构信息；根据所述表格结构信息，生成所述表格图像对应的目标表格；其中，所述表格识别模型用于获取所述表格图像的图像特征，并对所述图像特征进行编码，得到特征编码序列，并根据所述特征编码序列和预设位置编码向量，确定目标特征序列，并根据所述目标特征序列，确定所述表格结构信息。

根据本公开的一个或多个实施例，示例2提供了示例1的方法，所述表格识别模型包括特征提取模块、编码器和解码器；所述根据所述表格图像，通过预先训练好的表格识别模型，确定所述表格图像对应的表格结构信息，包括：通过所述特征提取模块获取所述表格图像的图像特征，并对所述图像特征进行编码，得到所述特征编码序列，并根据所述特征编码序列和所述预设位置编码向量，确定所述目标特征序列；通过所述编码器对所述目标特征序列进行编码，得到所述图像编码特征；通过所述解码器对所述图像编码特征进行解码，得到表格结构序列，并获取所述表格结构序列的紧凑编码，得到所述表格结构信息。

根据本公开的一个或多个实施例，示例3提供了示例2的方法，所述特征提取模块包括卷积神经网络和嵌入层；所述通过所述特征提取模块获取所述表格图像的图像特征，并对所述图像特征进行编码，得到所述特征编码序列，并根据所述特征编码序列和所述预设位置编码向量，确定所述目标特征序列，包括：通过所述卷积神经网络对所述表格图像进行特征提取，得到所述表格图像的特征图；通过所述嵌入层对所述特征图进行编码，得到所述特征输入序列，并对所述特征编码序列和所述预设位置编码向量进行融合，得到所述目标特征序列。

根据本公开的一个或多个实施例，示例4提供了示例2的方法，所述编码器包括第一数量个依次耦合的编码模块，所述解码器包括第二数量个依次耦合的解码模块；第一数量个所述编码模块中的第一个所述编码模块与所述特征提取模块连接，第一数量个所述编码模块中的最后一个所述编码模块与每个所述解码模块连接；每个所述编码模块包括多头自注意力层和前馈神经网络，每个所述解码模块包括掩码自注意力层、多头自注意力层和前馈神经网络。

根据本公开的一个或多个实施例，示例5提供了示例1的方法，所述根据所述表格结构信息，生成所述表格图像对应的目标表格，包括：利用预设识别算法，对所述表格图像进行识别，得到所述表格图像对应的表格内容文本；根据所述表格结构信息和所述表格内容文本，生成所述目标表格。

根据本公开的一个或多个实施例，示例6提供了示例1-5中任一项所述的方法，所述表格识别模型是通过以下方式训练得到的：获取训练样本集；所述训练样本集包括训练表格图像和所述训练表格图像对应的训练表格结构信息；根据所述训练样本集对预设模型进行训练，得到所述表格识别模型。

根据本公开的一个或多个实施例，示例7提供了一种表格识别装置，所述装置包括：获取模块，用于获取表格图像；处理模块，用于根据所述表格图像，通过预先训练好的表格识别模型，确定所述表格图像对应的表格结构信息；生成模块，用于根据所述表格结构信息，生成所述表格图像对应的目标表格；其中，所述表格识别模型用于获取所述表格图像的图像特征，并对所述图像特征进行编码，得到特征编码序列，并根据所述特征编码序列和预设位置编码向量，确定目标特征序列，并根据所述目标特征序列，确定所述表格结构信息。

根据本公开的一个或多个实施例，示例8提供了示例7的装置，所述表格识别模型包括特征提取模块、编码器和解码器；所述处理模块用于：通过所述特征提取模块获取所述表格图像的图像特征，并对所述图像特征进行编码，得到所述特征编码序列，并根据所述特征编码序列和所述预设位置编码向量，确定所述目标特征序列；通过所述编码器对所述目标特征序列进行编码，得到所述图像编码特征；通过所述解码器对所述图像编码特征进行解码，得到表格结构序列，并获取所述表格结构序列的紧凑编码，得到所述表格结构信息。

根据本公开的一个或多个实施例，示例9提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现示例1至示例6中所述方法的步骤。

根据本公开的一个或多个实施例，示例10提供了一种电子设备，包括：存储装置，其上存储有计算机程序；处理装置，用于执行所述存储装置中的所述计算机程序，以实现示例1至示例6中所述方法的步骤。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

Claims (10)

1.一种表格识别方法，其特征在于，所述方法包括：

获取表格图像；

根据所述表格图像，通过预先训练好的表格识别模型，确定所述表格图像对应的表格结构信息；

其中，所述表格识别模型用于获取所述表格图像的图像特征，并对所述图像特征进行编码，得到特征编码序列，并根据所述特征编码序列和预设位置编码向量，确定目标特征序列，并根据所述目标特征序列，确定所述表格结构信息；

根据所述表格结构信息，生成所述表格图像对应的目标表格。

2.根据权利要求1所述的方法，其特征在于，所述表格识别模型包括特征提取模块、编码器和解码器；所述根据所述表格图像，通过预先训练好的表格识别模型，确定所述表格图像对应的表格结构信息，包括：

通过所述特征提取模块获取所述表格图像的图像特征，并对所述图像特征进行编码，得到所述特征编码序列，并根据所述特征编码序列和所述预设位置编码向量，确定所述目标特征序列；

通过所述编码器对所述目标特征序列进行编码，得到所述图像编码特征；

通过所述解码器对所述图像编码特征进行解码，得到表格结构序列，并获取所述表格结构序列的紧凑编码，得到所述表格结构信息。

3.根据权利要求2所述的方法，其特征在于，所述特征提取模块包括卷积神经网络和嵌入层；所述通过所述特征提取模块获取所述表格图像的图像特征，并对所述图像特征进行编码，得到所述特征编码序列，并根据所述特征编码序列和所述预设位置编码向量，确定所述目标特征序列，包括：

通过所述卷积神经网络对所述表格图像进行特征提取，得到所述表格图像的特征图；

通过所述嵌入层对所述特征图进行编码，得到所述特征输入序列，并对所述特征编码序列和所述预设位置编码向量进行融合，得到所述目标特征序列。

4.根据权利要求2所述的方法，其特征在于，所述编码器包括第一数量个依次耦合的编码模块，所述解码器包括第二数量个依次耦合的解码模块；第一数量个所述编码模块中的第一个所述编码模块与所述特征提取模块连接，第一数量个所述编码模块中的最后一个所述编码模块与每个所述解码模块连接；每个所述编码模块包括多头自注意力层和前馈神经网络，每个所述解码模块包括掩码自注意力层、多头自注意力层和前馈神经网络。

5.根据权利要求1所述的方法，其特征在于，所述根据所述表格结构信息，生成所述表格图像对应的目标表格，包括：

利用预设识别算法，对所述表格图像进行识别，得到所述表格图像对应的表格内容文本；

根据所述表格结构信息和所述表格内容文本，生成所述目标表格。

6.根据权利要求1-5中任一项所述的方法，其特征在于，所述表格识别模型是通过以下方式训练得到的：

获取训练样本集；所述训练样本集包括训练表格图像和所述训练表格图像对应的训练表格结构信息；

根据所述训练样本集对预设模型进行训练，得到所述表格识别模型。

7.一种表格识别装置，其特征在于，所述装置包括：

获取模块，用于获取表格图像；

处理模块，用于根据所述表格图像，通过预先训练好的表格识别模型，确定所述表格图像对应的表格结构信息；

其中，所述表格识别模型用于获取所述表格图像的图像特征，并对所述图像特征进行编码，得到特征编码序列，并根据所述特征编码序列和预设位置编码向量，确定目标特征序列，并根据所述目标特征序列，确定所述表格结构信息；

生成模块，用于根据所述表格结构信息，生成所述表格图像对应的目标表格。

8.根据权利要求7所述的装置，其特征在于，所述表格识别模型包括特征提取模块、编码器和解码器；所述处理模块用于：

通过所述特征提取模块获取所述表格图像的图像特征，并对所述图像特征进行编码，得到所述特征编码序列，并根据所述特征编码序列和所述预设位置编码向量，确定所述目标特征序列；

通过所述编码器对所述目标特征序列进行编码，得到所述图像编码特征；

通过所述解码器对所述图像编码特征进行解码，得到表格结构序列，并获取所述表格结构序列的紧凑编码，得到所述表格结构信息。

9.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-6中任一项所述方法的步骤。

10.一种电子设备，其特征在于，包括：

存储装置，其上存储有计算机程序；

处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-6中任一项所述方法的步骤。

Images