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！

龙图腾网获悉西安电子科技大学广州研究院申请的专利一种端到端的图片文字实体抽取方法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：CN115346218B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202210822031.X，技术领域涉及：G06V30/148；该发明授权一种端到端的图片文字实体抽取方法是由杨清海;陈建军;沈中设计研发完成，并于2022-07-12向国家知识产权局提交的专利申请。

本一种端到端的图片文字实体抽取方法在说明书摘要公布了：本发明公开了一种端到端的图片文字实体抽取方法，包括:步骤一：获取待识别的图片，通过预设网络模型中的卷积层提取图片中的特征向量；步骤二：预设网络模型中的编码层将提取的图片中的特征向量进行特征融合，将每一个特征向量融合全局知识，获得全局的信息，加入残差，再通过Bert中的feedforward层将维度压缩，得到输出的特征维度,将bert输出的特征经过深层双向LSTM神经网络提取文字序列信息；步骤三：预设网络模型种的解码层将编码层中的文字序列信息进行解码，得到最终的识别结果，本发明利用了卷积神经网络+bert模型+深层双向LSTM神经网络+CRF模型的网络架构，提高了模型的识别准确性和鲁棒性。

本发明授权一种端到端的图片文字实体抽取方法在权利要求书中公布了：1.一种端到端的图片文字实体抽取方法，其特征在于，包括以下步骤: 步骤一：获取待识别的图片，通过预设网络模型中的卷积层提取图片中的特征向量； 步骤二：预设网络模型中的编码层将提取的图片中的特征向量进行特征融合，将每一个特征向量融合全局知识，获得全局的信息，加入残差，再通过Bert中的feedforward层将维度压缩，得到输出的特征维度,并将bert输出的特征经过深层双向LSTM神经网络提取文字序列信息； 步骤三：预设网络模型种的解码层将编码层中的文字序列信息进行解码，转换成最终的抽取结果； 步骤二中，编码层采用bert编码，bert编码中针对每一个特征向量的位置信息引入有位置编码向量； 编码层的编码方式为旋转位置编码，旋转位置编码公式为： ； 其中，2i表示位置、表示偶数位，2i+1表示奇数位，pos代表了向量在相应维度的数值，d表示向量的维度； bert编码的结构包括多头注意力机制层和feedforward层； 步骤一中的特征向量首先进入多头注意力机制层获得全局的信息，加入残差，再进入feedforward层将维度压缩，重复操作为6次。

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西安电子科技大学广州研究院，其通讯地址为：510000 广东省广州市黄埔区中新知识城海丝中心B5、B6、B7栋；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。