经由上下文无关的递归文档分解来学习的可扩展结构
实质审查的生效
摘要
提供了一种方法，其中文档被转换成位图图像，并且处理方法将来自位图图像的像素值集聚合成行总和值集和列总和值集。位图图像是文档的像素化表示。该方法对行总和值集和列总和值集应用局部傅立叶变换以生成行总和值集的频率表示和频率总和值集。该方法基于在频率表示集中识别的至少一个分离位置，将位图图像分解成图像部分集，并且将图像部分集发送到文本辨识系统。
基本信息
专利标题 ：
经由上下文无关的递归文档分解来学习的可扩展结构
专利标题（英）：
暂无
公开（公告）号 ：
CN114365202A
申请号 ：
CN202080063240.X
公开（公告）日 ：
2022-04-15
申请日 ：
2020-09-15
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
M.戈亚尔A.阿亚
申请人 ：
国际商业机器公司
申请人地址 ：
美国纽约阿芒克
代理机构 ：
北京市柳沈律师事务所
代理人 ：
陈金林
优先权 ：
CN202080063240.X
主分类号 ：
G06V30/41
IPC分类号 ：
G06V30/41
法律状态
2022-05-03 ：
实质审查的生效
IPC(主分类) : G06V 30/41
申请日 : 20200915
申请日 : 20200915
2022-04-15 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
