返回搜索
档案
一种基于掩码处理的PDF文件版面识别的方法
发明专利有效
10权利要求 · 1 独立
§ Ⅰ
卷宗概要
发明人
陈晨; 李嘉成; 云尧
IPC 分类
G06V 30/413 (2022.01)G06V 30/412 (2022.01)G06V 30/416 (2022.01)G06V 30/146 (2022.01)G06V 30/19 (2022.01)G06V 10/766 (2022.01)G06V 10/82 (2022.01)
本发明公开了一种基于掩码处理的PDF文件版面识别的方法，旨在实现PDF文件中标题、正文、页眉、页脚、表格和图片等多种版面元素的精准识别。该方法通过MuPDF解析PDF文件中的文字及其坐标，采用不同颜色掩码分别替换文本和标点符号，保留非文本区域原始内容，生成掩码处理后的页面图片，并基于此构建训练数据集，利用目标检测模型(如YOLO)进行训练，得到高精度的版面识别模型。本发明有效提升了PDF版面识别的准确性和自动化水平，具有广泛的应用前景。