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！

龙图腾网获悉中国科学院成都文献情报中心申请的专利一种细颗粒的文档图像理解方法及系统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：CN120976946B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202511497376.2，技术领域涉及：G06V30/41；该发明授权一种细颗粒的文档图像理解方法及系统是由杨帅;徐韵东;陆颖;蒋睿哲;涂琼;王艺蒙设计研发完成，并于2025-10-20向国家知识产权局提交的专利申请。

本一种细颗粒的文档图像理解方法及系统在说明书摘要公布了：本发明涉及一种细颗粒的文档图像理解方法及系统，其中，该方法对输入的文档图像进行文本内容识别，获取所得到的文本序列中每一个字符的像素坐标，以此构建文本坐标映射表，通过BER分词器对文本序列进行Token级分词处理，根据文本坐标映射表对所得到的所有的Token级文本进行视觉编码和语言语义特征提取，得到所有的Token级视觉编码和所有的Token级语言语义特征，对文档图像进行patch分割，对所得到的每一个图像pacth进行视觉特征提取，计算所得到的每一个patch视觉特征与所有的Token级视觉编码的交集，将交集中的patch视觉特征与所有的Token级语言语义特征进行映射，并输入对比模型进行对齐，以此根据得到的对齐结果实现对文档图像的理解。由此，本发明实现细颗粒的文档图像理解。

本发明授权一种细颗粒的文档图像理解方法及系统在权利要求书中公布了：1.一种细颗粒的文档图像理解方法，其特征在于，包括： 获取输入的文档图像，对所述文档图像进行文本内容识别，得到文本序列，获取所述文本序列中每一个字符的像素坐标，将所述像素坐标与所述文本序列进行映射，得到文本坐标映射表； 通过BPE分词器对所述文本序列进行Token级分词处理，得到所有的Token级文本，根据所述文本坐标映射表对所有的Token级文本进行视觉编码，得到所有的Token级视觉编码，同时对所有的Token级文本进行语言语义特征提取，得到所有的Token级语言语义特征，所述Token级视觉编码是基于以下步骤得到： 通过从文本坐标映射表中提取组成每一个Token级文本的所有字符的像素坐标，计算该像素坐标的最小包围矩阵，构建以文档图像的尺寸一致的二进制矩阵，将最小包围矩阵中的像素标记为1，其余标记为0，以此实现对每一个Token级文本进行视觉编码，得到所有的Token级视觉编码； Token级视觉编码仅包含像素范围信息，不包含语言语义信息，用于对图像pacth的patch视觉特征的定位； 对所述文档图像进行patch分割，得到K个图像patch，对每一个图像patch进行视觉特征提取，得到所有的patch级视觉特征，计算每一个patch级视觉特征与所有的Token级视觉编码的空间位置交集，将所述空间位置交集中的patch视觉特征与所有的Token级语言语义特征进行映射，得到映射后的patch级视觉特征与映射后的Token级语言语义特征，将映射后的patch级视觉特征与映射后的Token级语言语义特征输入比对模型中进行对齐，基于Token级相似度、短语级相似度以及句子级相似度得到对齐结果，根据所述对齐结果实现对所述文档图像的理解。

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中国科学院成都文献情报中心，其通讯地址为：610299 四川省成都市天府新区群贤南街289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”。

以上内容由龙图腾AI智能生成。