(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211504111.7 (22)申请日 2022.11.29 (71)申请人 深圳智能思创科技有限公司 地址 518000 广东省深圳市南 山区南头街 道莲城社区深南大道10128号南山软 件园A2108-2107 (72)发明人 李舟军　程显富　陈小明　肖武魁　 刘俊杰　覃维　 (74)专利代理 机构 深圳市恒程创新知识产权代 理有限公司 4 4542 专利代理师 鄢紫君 (51)Int.Cl. G06V 30/14(2022.01) G06V 30/413(2022.01) G06V 30/19(2022.01)G06V 30/148(2022.01) G06V 30/18(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) (54)发明名称 文档版面分割方法、 装置、 设备及存 储介质 (57)摘要 本发明涉及图像 分割技术领域， 公开了一种 文档版面 分割方法、 装置、 设备及存储介质， 该方 法包括： 从原始文档中提取图像特征向量和文本 特征向量； 基于图像特征向量获取候选锚定框向 量， 候选锚定框向量用于表示原始文档中版面元 素的基础轮廓； 基于文本特征向量和候选锚定框 向量获取区域分类和区域分类对应的分类置信 度； 根据区域分类和分类置信度对原始文档进行 版面分割。 相比于现有技术通过人为制定的分割 规则来对文档版面进行分割， 本发 明通过结合图 像特征向量对应的视觉语义分析技术和文本特 征向量对应的自然语言处理技术实现文档版面 分割， 从而消除了现有技术中人为因素对于版面 分割结果造成的负面影 响， 进而能够对文档版面 进行准确分割。 权利要求书2页 说明书9页 附图4页 CN 115546790 A 2022.12.30 CN 115546790 A 1.一种文档版面分割方法， 其特 征在于， 所述方法包括以下步骤： 从原始文档中提取图像特 征向量和文本特 征向量； 基于所述图像特征向量获取候选锚定框向量， 所述候选锚定框向量用于表示所述原始 文档中版面元 素的基础轮廓； 基于所述文本特征向量和所述候选锚定框向量获取区域分类和所述区域分类对应的 分类置信度； 根据所述区域分类和所述分类置信度对所述原 始文档进行 版面分割。 2.如权利要求1所述的文档版面分割方法， 其特征在于， 所述从原始文档中提取图像特 征向量和文本特 征向量， 包括： 通过双流卷积网络从原 始文档的图像和对应文本内容中获取图像特 征和文本特 征； 对所述图像特 征和所述文本特 征进行向量 化， 获得图像特 征向量和文本特 征向量。 3.如权利要求1所述的文档版面分割方法， 其特征在于， 所述基于所述图像特征向量获 取候选锚定框 向量， 所述候选锚定框 向量用于表示所述原始文档中版面元素 的基础轮廓， 包括： 从所述图像特征向量中获得若干标记像素， 基于所述标记像素获得第一目标区域向 量； 将所述图像特征向量输入至多尺度图像特征的目标区域生成模块中， 获得第 二目标区 域向量； 将所述第一目标区域向量的置信度与所述第 二目标区域向量的置信度进行对比， 并基 于对比结果获取候选锚定 框向量。 4.如权利要求3所述的文档版面分割方法， 其特征在于， 所述从所述图像特征向量中获 得若干标记像素， 基于所述标记像素获得第一目标区域向量， 包括： 从所述图像特征向量中获得若干标记像素， 将所述标记像素中具有相同标记的标记像 素对应的文档区域进行合并， 获得若干连通 域； 根据所述连通 域以及无相同标记的标记像素对应的文档区域获得第一目标区域向量。 5.如权利要求1所述的文档版面分割方法， 其特征在于， 所述基于所述文本特征向量和 所述候选锚定 框向量获取区域分类和所述区域分类对应的分类置信度， 包括： 从所述文本特 征向量中获取文本嵌入向量和文本 框位置向量； 通过注意力网络对所述文本嵌入向量、 所述文本框位置向量和所述候选锚定框向量进 行融合， 获得融合向量； 基于所述融合向量获取区域分类和所述区域分类对应的分类置信度。 6.如权利要求1所述的文档版面分割方法， 其特征在于， 所述根据 所述区域分类和所述 分类置信度对所述原 始文档进行 版面分割， 包括： 从所述分类置信度中筛选出可信分类置信度， 所述可信分类置信度为数值大于或等于 预设置信度的分类置信度； 基于所述可信分类置信度对应的区域分类对所述原 始文档进行 版面分割。 7.如权利要求6所述的文档版面分割方法， 其特征在于， 所述基于所述可信分类置信度 对应的区域分类对所述原 始文档进行 版面分割， 包括： 将所述可信分类置信度对应的区域分类输入至基于注意力 机制的特征增强层， 获得排权　利　要　求　书 1/2 页 2 CN 115546790 A 2序后的区域分类； 对所述排序后的区域分类进行 特征加权， 获得加权区域分类； 基于所述加权区域分类对所述原 始文档进行 版面分割。 8.一种文档版面分割装置， 其特 征在于， 所述文档版面分割装置包括： 数据提取模块， 用于从原 始文档中提取图像特 征向量和文本特 征向量； 第一计算模块， 用于基于所述图像特征向量获取候选锚定框向量， 所述候选锚定框向 量用于表示所述原 始文档中版面元 素的基础轮廓； 第二计算模块， 用于基于所述文本特征向量和所述候选锚定框向量获取区域分类和所 述区域分类对应的分类置信度； 版面分割 模块， 用于根据所述 区域分类和所述分类置信度对所述原始文档进行版面分 割。 9.一种文档版面分割设备， 其特征在于， 所述设备包括： 存储器、 处理器及存储在所述 存储器上并可在所述处理器上运行的文档版面分割程序， 所述文档版面分割程序配置为 实 现如权利要求1至7中任一项所述的文档版面分割方法的步骤。 10.一种存储介质， 其特征在于， 所述存储介质上存储有文档版面分割程序， 所述文档 版面分割程序被处理器执行时实现如权利要求1至7中任一项所述的文档版面分割方法的 步骤。权　利　要　求　书 2/2 页 3 CN 115546790 A 3