买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉内蒙古大学申请的专利一种基于边卷积交互的表格结构识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116469119B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310389428.9，技术领域涉及：G06V30/412；该发明授权一种基于边卷积交互的表格结构识别方法是由王炜华;刘迪;飞龙;高光来设计研发完成，并于2023-04-13向国家知识产权局提交的专利申请。

本一种基于边卷积交互的表格结构识别方法在说明书摘要公布了：本发明公开了一种基于边卷积交互的表格结构识别方法，构建基于边卷积交互的表格结构识别模型：输入表格图像、表格的特征图、表格中的文本行内容信息和位置信息，得到文本中心位置并在特征图上对应处采样，将采样的图像特征和文本行位置信息拼接，得到包含文本位置的图像特征；以文本行作为顶点、文本行间的关系作为连边，将表格用网络图表示出来；基于边卷积计算每个顶点和与其距离最近的M个点的边特征，再将顶点和M个边特征进行交互聚合；基于每个顶点交互聚合后的特征向量，对顶点间的关系进行分类，得到表格中各文本行的关系；对基于边卷积交互的表格结构识别模型训练后，采用基于边卷积交互的表格结构识别模型进行表格结构的准确识别。

本发明授权一种基于边卷积交互的表格结构识别方法在权利要求书中公布了：1.一种基于边卷积交互的表格结构识别方法，其特征在于，包括以下步骤： 首先，构建基于边卷积交互的表格结构识别模型： 步骤1：输入表格图像、表格的特征图、表格中的文本行内容信息和位置信息，文本行内容信息指文本内容，文本行位置信息指文本行的坐标，根据文本行内容信息和位置信息得到文本中心位置，并在特征图上与文本中心位置对应处采样，将采样得到的图像特征和文本行位置信息拼接，得到包含文本位置的图像特征； 步骤2：以表格中的文本行作为顶点、文本行间的关系作为连边，将表格用网络图的形式表示出来； 步骤3：基于边卷积计算每个顶点与距离其最近的M个顶点的边特征，再将顶点和M个边特征进行交互聚合操作； 所述步骤3具体包括： 步骤31：采用图嵌入方法将网络图中每个顶点的包含文本位置的图像特征映射到欧式空间； 步骤32：基于边卷积计算每个顶点和与其相连的距离其最近的M个点的边特征； 边卷积计算如下式所示： eijm＝ReLUθm·Xj-Xi+φm·Xi； 其中，φm和θm为可学习向量；Xi＝ki1,…,kid,xi1,yi1,xi2,yi2，xi1,yi1,xi2,yi2为点xi的角点坐标即第i个文本行的坐标，其中，xi1,yi1为第i个文本行的左上角坐标，xi2,yi2为第i个文本行的右下角坐标，ki1为点xi的第1维特征向量，kid为点xi的第d维特征向量；ReLU为激活函数； 步骤33：将边特征eijm和点xi的特征向量Xi进行交互聚合，运算过程如下式所示： 其中，表示点xi的边卷积交互后的特征向量，⊙代表Hadamard积，wij是可学习向量，ui是可学习标量； 步骤34：利用点xi形成目标点集合，从网络图的顶点集合V中依次选取与目标点集合中任意目标点最近的点作为新的目标点，若选择的点曾成为目标点，则放弃这个点，再选取除此点外距离目标点集合中任意目标点最近的点作为新的目标点，将新的目标点加入目标点集合，并返回步骤32，对新的目标点进行边卷积交互，得到新的目标点的边卷积交互后的特征向量，直至遍历顶点集合V，输出每个顶点的边卷积交互后的特征向量将其作为每个顶点的交互聚合后的特征向量输入步骤4； 步骤4：基于每个顶点的交互聚合后的特征向量，采用分类网络对顶点间的关系进行分类操作，得到顶点间的关系类别即为表格中各文本行的关系； 然后，对基于边卷积交互的表格结构识别模型进行训练； 最后，将待识别的表格图像、表格图像的特征图、表格图像中的文本行内容信息和位置信息输入训练后的基于边卷积交互的表格结构识别模型，进行表格结构识别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人内蒙古大学，其通讯地址为：010021 内蒙古自治区呼和浩特市赛罕区大学西路235号内蒙古大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。