人工智能结合模板实现表格信息提取
一、 项目介绍
本项目基于是OCR(文本识别)、表格识别的人工智能技术应用,通过表格识别,实现快速制作模板;模板单元格信息,结合OCR识别结果,将表格内容提取为结构化信息输出。与KIE(Key Information Extraction,关键信息抽取)模型对比,本项目准确率更高,效率更快,占用资源更小,能大大提升用户将非结构化的数据转化为结构化数据的质量。
二、技术要点
PaddleOCR,百度飞桨开源的OCR文字识别工具库
Table Detection,基于Cycle-CenterNet的表格识别
OpenCV,开源、跨平台的计算机视觉库
三、视频展示
四、操作流程
制作模板
运行模板制作工具WlkrLabel
文件 -> 打开,选择模板所在路径文件夹
人工智能 -> 表格检测
Anchor锚点,用于定位表格,修正图片偏移,适用于如扫描件、照片等,减少因图片位置偏移带来的错误
单元格Region,适合文字居中的情况
文字Region,适合文字非居中的情况
选中的蓝色单元,为程序推理得出的锚点,其他颜色单元格则为与锚点一一配对的待提取内容
检查模板,由于无法做到100%准确,需要手动修正,如删除多余单元格,修正错误字等
确认模板无误后,点击右下角“确认”按钮
对于空白表单也能识别,但是效果会稍差
完成所有图片模板的制作后,按Ctrl + S保存结果(或者 文件 -> 导出标记结果)
上传模板
使用系统api接口更新模板,
选中模板文件夹内的Label.txt及相关图片
将所有文件上传到系统。
测试效果
试用地址:表格信息提取 - 模板识别
试用地址中提供了两种方式测试
一是下载Excel,自行填充内容,导出图片后,旋转角度测试
二是直接下载0°与180°两张示例图,用于测试
下面为旋转180°的识别效果
|