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！

龙图腾网获悉华南理工大学申请的专利基于图神经网络的表格结构识别方法、系统、设备及存储介质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：CN117037201B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202310891035.8，技术领域涉及：G06V30/414；该发明授权基于图神经网络的表格结构识别方法、系统、设备及存储介质是由薛洋;陈嘉聪;金连文设计研发完成，并于2023-07-20向国家知识产权局提交的专利申请。

本基于图神经网络的表格结构识别方法、系统、设备及存储介质在说明书摘要公布了：本发明公开了一种基于图神经网络的表格结构识别方法、系统、设备及存储介质，所述方法包括：对待识别表格图像进行检测与识别，得到文本行及对应的边界框；根据文本行及对应的边界框，构建以文本行为顶点且顶点间具有边关系的表格图以及得到文本行对应顶点的三个模态特征；基于表格图以及顶点的三个模态特征，利用自适应图神经网络进行各模态内及模态间特征交互，得到顶点更新后的融合特征；根据表格图中每条边对应的两个顶点更新后的融合特征，得到每条边的特征；根据每条边的特征对每条边进行分类；根据每条边的类别对表格图进行修正，得到表格结构信息。本发明通过构建表格图以及利用图神经网络进行特征增强，有效提升了表格结构识别准确率。

本发明授权基于图神经网络的表格结构识别方法、系统、设备及存储介质在权利要求书中公布了：1.一种基于图神经网络的表格结构识别方法，其特征在于，所述方法包括： 对待识别表格图像进行检测与识别，得到文本行及每个文本行对应的边界框，其中文本行表示单元格中的一行文本；所述文本行至少为两个； 根据所述文本行及对应的边界框，构建以文本行为顶点且顶点间具有边关系的表格图； 根据所述文本行及对应的边界框，得到所述文本行对应顶点的三个模态特征； 根据所述表格图以及顶点的三个模态特征，利用自适应图神经网络进行各模态内及模态间特征交互，得到顶点更新后的融合特征； 根据所述表格图中每条边对应的两个顶点更新后的融合特征，得到每条边的特征；将每条边的特征输入分类器，输出每条边的类别； 根据每条边的类别，对所述表格图进行修正，得到待识别表格图像的表格结构信息； 其中，所述根据所述文本行及对应的边界框，构建以文本行为顶点且顶点间具有边关系的表格图，包括： 对文本行的边界框进行均匀采样，每个边界框各采样多个点，并标记每个点所属的边界框； 对采样得到的所有点应用Delaunay三角剖分算法，得到所有点的Delaunay三角剖分图； 对Delaunay三角剖分图中的每个三角形进行拆分，三角形的每条边代表两个采样点所属的两个边界框间的边，得到所有采样点的边集合； 对边集合中的重复边和无效边进行过滤，每两个文本行的边界框之间只保留一条有效边，得到有效边集合E； 以文本行为顶点构建顶点矩阵V、有效边集合E为边矩阵，构建表格图G=V，E； 所述根据所述表格图以及顶点的三个模态特征，利用自适应图神经网络进行各模态内及模态间特征交互，得到顶点更新后的融合特征，包括： 对于三个模态特征，分别将所有顶点的同一个模态特征堆叠成特征矩阵和所述表格图的边矩阵输入自适应图神经网络中，完成模态内的特征交互，得到更新后的模态特征矩阵； 将三个模态特征对应得到的三个更新后的模态特征矩阵进行融合，将融合后的特征矩阵和所述表格图的边矩阵输入自适应图神经网络中，完成模态间的特征交互，得到更新后的融合特征矩阵，融合特征矩阵中的每一行表示每个顶点更新后的融合特征；其中，所述边矩阵为所述表格图中所有边的集合。

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华南理工大学，其通讯地址为：510640 广东省广州市天河区五山路381号；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”。