一种图像中字段的处理方法及其相关设备

技术领域

本申请涉及人工智能(artificial intelligence，AI)技术领域，尤其涉及一种图像中字段的处理方法及其相关设备。

背景技术

为了提高办公效率，可通过一些自动识别技术来提取证件、票据中的信息。例如，对于发票的图像而言，该图像包含“张XX”以及“19XX年X月X日”等字段，可对该图像进行处理，从而识别出“张XX”属于姓名类别的字段，“19XX年X月X日”为日期类别的字段等等，从而完成发票的关键信息的提取。

目前，当需确定待处理图像中多个字段的类别时，可先获取参考图像，参考图像中包含多个字段以及每个字段的类别，由于参考图像和待处理图像为同类证件或同类票据的图像(例如，均为同类票据的图像)，故可基于参考图像中各个字段的位置与待处理图像中各个字段的位置之间的对应关系，来确定待处理图像中各个字段的类别。

然而，一旦待处理图像中各个字段的绝对位置印刷出现误差(例如，字段发生漂移现象)，参考图像中某些字段的绝对位置与待处理图像中某些字段的绝对位置无法准确对应，将会导致待处理图像中某些字段的类别被误判。

发明内容

本申请实施例提供了一种图像中字段的处理方法及其相关设备，可基于参考图像中多个第一字段与待处理图像中多个第二字段之间的匹配结果，准确识别出待处理图像中所有第二字段的类别。

本申请实施例的第一方面提供了一种图像中字段的处理方法，该方法包括：

当需要确定待处理图像中字段的类别时，可先获取待处理图像以及与待处理图像对应的参考图像。需要说明的是，参考图像呈现有多个第一字段和多个类别，且这多个第一字段和这多个类别之间的对应关系是已确定的，即多个第一字段的类别是已确定的。待处理图像同样也呈现有多个第二字段和多个类别，但这多个第二字段和这多个类别之间的对应关系是未确定的，即多个第二字段的类别是未确定的。

得到参考图像和待处理图像后，可在参考图像中获取多个第一字段的信息，并在待处理图像中获取多个第二字段的信息，并将多个第一字段的信息以及多个第二字段的信息输入至字段处理模型，以通过字段处理模型对这些信息进行处理，得到多个第一特征和多个第二特征，其中，多个第一字段与多个第一特征一一对应，多个第二字与多个第二特征一一对应。

得到多个第一特征和多个第二特征后，字段处理模型还可基于图匹配算法对多个第一特征以及多个第二特征进行处理，得到多个第一字段和多个第二字段之间的匹配结果，该匹配结果包含任意一个第一字段与任意一个第二字段之间的匹配度。

得到字段处理模型输出的匹配结果后，由于多个第一字段的类别是已知的，故可基于匹配结果以及多个第一字段的类别，确定多个第二字段的类别。

从上述方法可以看出：在获取参考图像的多个第一字段和待处理图像的多个第二字段后，先通过字段处理模型获取多个第一字段和多个第二字段进行处理，得到多个第一字段一一对应的多个第一特征以及多个第二字段一一对应的多个第二特征。然后，通过字段处理模型对多个第一特征以及多个第二特征进行处理，得到多个第一字段和多个第二字段之间的匹配结果。最后，基于匹配结果以及多个第一字段的类别，确定多个第二字段的类别。前述过程中，由于匹配结果包含任意一个第一字段与任意一个第二字段之间的匹配度，故对于任意一个第二字段，可确定与该第二字段最匹配的第一字段，以该第一字段的类别作为该第二字段的类别，如此一来，可准确识别出待处理图像中所有第二字段的类别。

进一步地，上述方法中的字段处理模型引入了图匹配算法，在对待处理图像的第二字段进行处理的过程中，对第二字段的位置并不敏感，即使待处理图像中的某些第二字段出现了漂移现象，也可准确识别出各个第二字段的类别。

在一种可能的实现方式中，通过字段处理模型基于图匹配算法对多个第一特征以及多个第二特征进行处理，获取多个第一字段和多个第二字段之间的匹配结果包括：通过字段处理模型基于图匹配算法对多个第一特征、多个第二特征、多个第一边以及多个第二边进行处理，得到多个第一字段和多个第二字段之间的匹配结果，第一边为两个第一特征之间的距离，第二边为两个第二特征之间的距离。前述实现方式中，字段处理模型可计算多个第一特征中两两之间的距离(即计算任意两个第一特征之间的距离)，从而得到多个第一边，并计算多个第二特征中两两之间的距离(即计算任意两个第二特征之间的距离)，从而得到多个第二边。得到多个第一边和多个第二边后，字段处理模型可对多个第一特征、多个第二特征、多个第一边以及多个第二边进行处理，从而得到多个第一字段和多个第二字段之间的匹配结果。在计算多个第一字段和多个第二字段之间的匹配结果时，字段处理模型在多个第一特征和多个第二特征的基础上，还引入了多个第一边和多个第二边，故字段处理模型不仅考虑了特征自身对匹配结果所造成的影响，还考虑了特征之间的联系对匹配结果所造成的影响，有利于提高模型所得到的匹配结果的准确度。

在一种可能的实现方式中，通过字段处理模型基于图匹配算法对多个第一特征、多个第二特征、多个第一边以及多个第二边进行处理，得到多个第一字段和多个第二字段之间的匹配结果包括：通过字段处理模型对多个第一特征和多个第二特征进行处理，得到第一矩阵，第一矩阵包含任意一个第一特征和任意一个第二特征之间的相似度；通过字段处理模型对多个第一边和多个第二边进行处理，得到第二矩阵，第二矩阵包含任意一个第一边和任意一个第二边之间的相似度；通过字段处理模型基于图匹配算法对第一矩阵和第二矩阵进行处理，得到多个第一字段和多个第二字段之间的匹配结果。前述实现方式中，对于某一个第一特征，字段处理模型可基于机器学习(例如，注意力机制等方式)计算该第一特征与每个第二特征之间的相似度，并以该第一特征与每个第二特征之间的相似度作为第一矩阵中的某一行的每个元素。那么，对于其它第一特征，字段处理模型也可执行如同前述的过程，故可生成完整的第一矩阵，第一矩阵中某一行的每个元素为某一个第一特征与每个第二特征之间的相似度，第一矩阵中某一列的每个元素为某一个第二特征与每个第一特征之间的相似度。同样地，对于某一个第一边，字段处理模型可基于机器学习(例如，注意力机制等方式)计算该第一边与每个第二边之间的相似度，并以该第一边与每个第二边之间的相似度作为第二矩阵中的某一行的每个元素。那么，对于其它第一边，字段处理模型也可执行如同前述的过程，故可生成完整的第二矩阵，第二矩阵中某一行的每个元素为某一个第一边与每个第二边之间的相似度，第二矩阵中某一列的每个元素为某一个第二边与每个第一边之间的相似度。得到第一矩阵和第二矩阵后，字段处理模型可基于图匹配算法，对第一矩阵和第二矩阵进行处理，从而准确得到多个第一字段和多个第二字段之间的匹配结果，基于该匹配结果，即使待处理图像中的某些第二字段出现了漂移现象，也可准确识别出这些第二字段的类别。

在一种可能的实现方式中，匹配结果包含任意一个第一字段和任意一个第二字段之间的匹配度，基于匹配结果以及多个第一字段的类别，确定多个第二字段的类别包括：对于任意一个第二字段，基于该第二字段与每个第一字段之间的匹配度，将匹配度最大的第一字段的类别确定为该第二字段的类别。前述实现方式中，在多个第二字段中，对于任意一个第二字段而言，基于该第二字段与每个第一字段之间的匹配度，将匹配度最大的第一字段的类别确定为该第二字段的类别。那么，对于其它第二字段而言，也可执行如前述的过程，如此一来，可确定多个第二字段中每个第二字段的类别。

在一种可能的实现方式中，对于任意一个第二字段，在该第二字段与每个第一字段之间的匹配度中，将匹配度最大的第一字段的类别确定为该第二字段的类别之前，该方法还包括：对于任意一个第二字段，若该第二字段与每个第一字段之间的匹配度均小于预置的阈值，则将该第二字段从多个第二字段中剔除。前述实现方式中，在多个第二字段中，对于任意一个第二字段而言，若该第二字段与每个第一字段之间的匹配度均小于预置的阈值，则认为该第二字段为异常字段，并将该第二字段从多个第二字段中剔除，若该第二字段与某个第一字段之间的匹配度大于或等于预置的阈值，则认为该第二字段为正常字段，并保留该第二字段。那么，对于其它第二字段而言，也可执行如前述的过程，如此一来，则完成对多个第二字段的过滤，可检测出多个第二字段中的异常字段，从而不会给异常字段分配任何类别，仅为正常字段分配类别，可进一步提高字段类别的识别准确率。

在一种可能的实现方式中，第一特征基于第一字段所指示的内容、第一字段所在的区域的中心点位置以及第一字段所在的区域的尺寸中的至少一种生成。前述实现方式中，对于多个第一字段中的任意一个第一字段，字段处理模型可对该第一字段的信息进行处理，得到该第一字段的第一特征。例如，字段处理模型可使用该第一字段所在的区域的中心点位置作为该第一字段的空间特征，使用该第一字段所在的区域的尺寸(也可以称为宽高比)作为该第一字段的形状特征，并对该第一字段所指示的内容进行特征提取处理，得到该第一字段的文字特征。然后，字段处理模型可对该第一字段的空间特征、形状特征以及文字特征进行线性变换处理，以映射至高维空间，得到该第一字段的新空间特征、新形状特征以及新文字特征。那么，这三个特征可作为该第一字段的第一特征。如此一来，字段处理模型可得到与多个第一字段一一对应的多个第一特征。

在一种可能的实现方式中，第二特征基于第二字段所指示的内容、第二字段所在的区域的中心点位置以及第二字段所在的区域的尺寸中的至少一种生成。前述实现方式中，对于多个第二字段中的任意一个第二字段，字段处理模型可对该第二字段的信息进行处理，得到该第二字段的第二特征。例如，字段处理模型可使用该第二字段所在的区域的中心点位置作为该第二字段的空间特征，使用该第二字段所在的区域的尺寸作为该第二字段的形状特征，并对该第二字段所指示的内容进行特征提取处理，得到该第二字段的文字特征。然后，字段处理模型可对该第二字段的空间特征、形状特征以及文字特征进行线性变换处理，以映射至高维空间，得到该第二字段的新空间特征、新形状特征以及新文字特征。那么，这三个特征可作为该第二字段的第二特征。如此一来，字段处理模型可得到与多个第二字段一一对应的多个第二特征。

在一种可能的实现方式中，第一字段所指示的内容为与某一用户相关的可编辑信息，例如，第一字段所指示的内容为某一用户(如张XX)的姓名、生日、性别等等与该用户自身相关的信息，若第一字段所指示的内容为另一用户(如王X)的姓名、生日、性别等信息，则第一字段所指示的内容发生改变。可见，第一字段所指示的内容是可编辑的，非固定的。同样地，第二字段所指示的内容也为与某一用户相关的可编辑信息。

本申请实施例的第二方面提供了一种模型训练方法，该方法包括：获取参考图像的多个第一字段和待处理图像的多个第二字段；通过待训练模型获取多个第一字段一一对应的多个第一特征，以及多个第二字段一一对应的多个第二特征；通过待训练模型基于图匹配算法对多个第一特征以及多个第二特征进行处理，得到多个第一字段和多个第二字段之间的匹配结果；基于匹配结果以及多个第一字段的真实类别，确定多个第二字段的预测类别；基于多个第二字段的真实类别和多个第二字段的预测类别，对待训练模型进行训练，得到字段处理模型。

上述方法所得到的字段处理模型，具备对待处理图像中字段进行分类的能力。具体地，在获取参考图像的多个第一字段和待处理图像的多个第二字段后，先通过字段处理模型获取多个第一字段和多个第二字段进行处理，得到多个第一字段一一对应的多个第一特征以及多个第二字段一一对应的多个第二特征。然后，通过字段处理模型对多个第一特征以及多个第二特征进行处理，得到多个第一字段和多个第二字段之间的匹配结果。最后，基于匹配结果以及多个第一字段的类别，确定多个第二字段的类别。前述过程中，由于匹配结果包含任意一个第一字段与任意一个第二字段之间的匹配度，故对于任意一个第二字段，可确定与该第二字段最匹配的第一字段，以该第一字段的类别作为该第二字段的类别，如此一来，可准确识别出待处理图像中所有第二字段的类别。

在一种可能的实现方式中，通过待训练模型基于图匹配算法对多个第一特征以及多个第二特征进行处理，得到多个第一字段和多个第二字段之间的匹配结果包括：通过待训练模型基于图匹配算法对多个第一特征、多个第二特征、多个第一边以及多个第二边进行处理，得到多个第一字段和多个第二字段之间的匹配结果，第一边为两个第一特征之间的距离，第二边为两个第二特征之间的距离。

在一种可能的实现方式中，通过待训练模型基于图匹配算法对多个第一特征、多个第二特征、多个第一边以及多个第二边进行处理，得到多个第一字段和多个第二字段之间的匹配结果包括：通过待训练模型对多个第一特征和多个第二特征进行处理，得到第一矩阵，第一矩阵包含任意一个第一特征和任意一个第二特征之间的相似度；通过待训练模型对多个第一边以及多个第二边进行处理，得到第二矩阵，第二矩阵包含任意一个第一边和任意一个第二边之间的相似度；通过待训练模型基于图匹配算法对第一矩阵和第二矩阵进行处理，得到多个第一字段和多个第二字段之间的匹配结果。

在一种可能的实现方式中，匹配结果包含任意一个第一字段和任意一个第二字段之间的匹配度，基于匹配结果以及多个第一字段的真实类别，确定多个第二字段的预测类别包括：对于任意一个第二字段，基于该第二字段与每个第一字段之间的匹配度，将匹配度最大的第一字段的真实类别确定为该第二字段的预测类别。

在一种可能的实现方式中，对于任意一个第二字段，基于该第二字段与每个第一字段之间的匹配度，将匹配度最大的第一字段的真实类别确定为该第二字段的预测类别之前，该方法还包括：对于任意一个第二字段，若该第二字段与每个第一字段之间的匹配度均小于预置的阈值，则将该第二字段从多个第二字段中剔除。

在一种可能的实现方式中，第一特征基于第一字段所指示的内容、第一字段所在的区域的中心点位置以及第一字段所在的区域的尺寸中的至少一种生成。

在一种可能的实现方式中，第二特征基于第二字段所指示的内容、第二字段所在的区域的中心点位置以及第二字段所在的区域的尺寸中的至少一种生成。

在一种可能的实现方式中，第一字段指示的内容和第二字段指示的内容为与用户相关的可编辑信息。

本申请实施例的第三方面还提供了一种图像中字段的处理方法，该方法可由云服务系统中的云服务器实现，该方法包括：获取目标指令，该目标指令用于指示参考图像中的多个第一字段和待处理图像中的多个第二字段；基于图匹配算法对目标指令指示的多个第一字段和多个第二字段进行处理，得到识别结果，识别结果用于指示所述多个第二字段的类别。

从上述方法可以看出：云服务器在获取目标指令后，可确定目标指令所指示的参考图像中的多个第一字段和待处理图像中的多个第二字段。然后，云服务器可基于图匹配算法，对个第一字段和多个第二字段进行处理，得到用于指示多个第二字段的类别的识别结果。前述过程中，云服务器在对待处理图像的第二字段进行处理的过程中，使用了图匹配算法，故云服务器对第二字段的位置并不敏感，即使待处理图像中的某些第二字段出现了漂移现象，云服务器也可准确识别出各个第二字段的类别。

在一种可能的实现方式中，基于图匹配算法对目标指令指示的多个第一字段和多个第二字段进行处理，得到识别结果包括：获取多个第一字段一一对应的多个第一特征，以及多个第二字段一一对应的多个第二特征；对多个第一特征和多个第二特征进行处理，得到第一矩阵，第一矩阵包含任意一个第一特征和任意一个第二特征之间的相似度；对多个第一边和多个第二边进行处理，得到第二矩阵，第二矩阵包含任意一个第一边和任意一个第二边之间的相似度；基于图匹配算法对第一矩阵和第二矩阵进行处理，得到识别结果。

在一种可能的实现方式中，第一字段指示的内容和第二字段指示的内容为与用户相关的可编辑信息。

本申请实施例的第四方面提供了一种图像中字段的处理装置，该装置包括：获取模块，用于获取参考图像的多个第一字段和待处理图像的多个第二字段；第一处理模块，用于通过字段处理模型获取多个第一字段一一对应的多个第一特征，以及多个第二字段一一对应的多个第二特征；第二处理模块，用于通过字段处理模型基于图匹配算法对多个第一特征以及多个第二特征进行处理，得到多个第一字段和多个第二字段之间的匹配结果；确定模块，用于基于匹配结果以及多个第一字段的类别，确定多个第二字段的类别。

从上述装置可以看出：在获取参考图像的多个第一字段和待处理图像的多个第二字段后，先通过字段处理模型获取多个第一字段和多个第二字段进行处理，得到多个第一字段一一对应的多个第一特征以及多个第二字段一一对应的多个第二特征。然后，通过字段处理模型对多个第一特征以及多个第二特征进行处理，得到多个第一字段和多个第二字段之间的匹配结果。最后，基于匹配结果以及多个第一字段的类别，确定多个第二字段的类别。前述过程中，由于匹配结果包含任意一个第一字段与任意一个第二字段之间的匹配度，故对于任意一个第二字段，可确定与该第二字段最匹配的第一字段，以该第一字段的类别作为该第二字段的类别，如此一来，可准确识别出待处理图像中所有第二字段的类别。

进一步地，上述装置中的字段处理模型引入了图匹配算法，在对待处理图像的第二字段进行处理的过程中，对第二字段的位置并不敏感，即使待处理图像中的某些第二字段出现了漂移现象，也可准确识别出各个第二字段的类别。

在一种可能的实现方式中，第二处理模块，用于通过字段处理模型基于图匹配算法对多个第一特征、多个第二特征、多个第一边以及多个第二边进行处理，得到多个第一字段和多个第二字段之间的匹配结果，第一边为两个第一特征之间的距离，第二边为两个第二特征之间的距离。

在一种可能的实现方式中，第二处理模块，用于：通过字段处理模型对多个第一特征和多个第二特征进行处理，得到第一矩阵，第一矩阵包含任意一个第一特征和任意一个第二特征之间的相似度；通过字段处理模型对多个第一边和多个第二边进行处理，得到第二矩阵，第二矩阵包含任意一个第一边和任意一个第二边之间的相似度；通过字段处理模型基于图匹配算法对第一矩阵和第二矩阵进行处理，得到多个第一字段和多个第二字段之间的匹配结果。

在一种可能的实现方式中，匹配结果包含任意一个第一字段和任意一个第二字段之间的匹配度，确定模块，用于对于任意一个第二字段，基于该第二字段与每个第一字段之间的匹配度，将匹配度最大的第一字段的类别确定为该第二字段的类别。

在一种可能的实现方式中，该装置还包括：剔除模块，用于对于任意一个第二字段，若该第二字段与每个第一字段之间的匹配度均小于预置的阈值，则将该第二字段从多个第二字段中剔除。

在一种可能的实现方式中，第一特征基于第一字段所指示的内容、第一字段所在的区域的中心点位置以及第一字段所在的区域的尺寸中的至少一种生成。

在一种可能的实现方式中，第二特征基于第二字段所指示的内容、第二字段所在的区域的中心点位置以及第二字段所在的区域的尺寸中的至少一种生成。

在一种可能的实现方式中，第一字段指示的内容和第二字段指示的内容为与用户相关的可编辑信息。

本申请实施例的第五方面提供了一种模型训练装置，该装置包括：获取模块，用于获取参考图像的多个第一字段和待处理图像的多个第二字段；第一处理模块，用于通过待训练模型获取多个第一字段一一对应的多个第一特征，以及多个第二字段一一对应的多个第二特征；第二处理模块，用于通过待训练模型基于图匹配算法对多个第一特征以及多个第二特征进行处理，得到多个第一字段和多个第二字段之间的匹配结果；确定模块，用于基于匹配结果以及多个第一字段的真实类别，确定多个第二字段的预测类别；训练模块，用于基于多个第二字段的真实类别和多个第二字段的预测类别，对待训练模型进行训练，得到字段处理模型。

上述装置所得到的字段处理模型，具备对待处理图像中字段进行分类的能力。具体地，在获取参考图像的多个第一字段和待处理图像的多个第二字段后，先通过字段处理模型获取多个第一字段和多个第二字段进行处理，得到多个第一字段一一对应的多个第一特征以及多个第二字段一一对应的多个第二特征。然后，通过字段处理模型对多个第一特征以及多个第二特征进行处理，得到多个第一字段和多个第二字段之间的匹配结果。最后，基于匹配结果以及多个第一字段的类别，确定多个第二字段的类别。前述过程中，由于匹配结果包含任意一个第一字段与任意一个第二字段之间的匹配度，故对于任意一个第二字段，可确定与该第二字段最匹配的第一字段，以该第一字段的类别作为该第二字段的类别，如此一来，可准确识别出待处理图像中所有第二字段的类别。

在一种可能的实现方式中，第二处理模块，用于通过待训练模型基于图匹配算法对多个第一特征、多个第二特征、多个第一边以及多个第二边进行处理，得到多个第一字段和多个第二字段之间的匹配结果，第一边为两个第一特征之间的距离，第二边为两个第二特征之间的距离。

在一种可能的实现方式中，第二处理模块，用于：通过待训练模型对多个第一特征和多个第二特征进行处理，得到第一矩阵，第一矩阵包含任意一个第一特征和任意一个第二特征之间的相似度；通过待训练模型对多个第一边以及多个第二边进行处理，得到第二矩阵，第二矩阵包含任意一个第一边和任意一个第二边之间的相似度；通过待训练模型基于图匹配算法对第一矩阵和第二矩阵进行处理，得到多个第一字段和多个第二字段之间的匹配结果。

在一种可能的实现方式中，匹配结果包含任意一个第一字段和任意一个第二字段之间的匹配度，确定模块，用于对于任意一个第二字段，基于该第二字段与每个第一字段之间的匹配度，将匹配度最大的第一字段的真实类别确定为该第二字段的预测类别。

在一种可能的实现方式中，该装置还包括：剔除模块，用于对于任意一个第二字段，若该第二字段与每个第一字段之间的匹配度均小于预置的阈值，则将该第二字段从多个第二字段中剔除。

在一种可能的实现方式中，第一特征基于第一字段所指示的内容、第一字段所在的区域的中心点位置以及第一字段所在的区域的尺寸中的至少一种生成。

在一种可能的实现方式中，第二特征基于第二字段所指示的内容、第二字段所在的区域的中心点位置以及第二字段所在的区域的尺寸中的至少一种生成。

在一种可能的实现方式中，第一字段指示的内容和第二字段指示的内容为与用户相关的可编辑信息。

本申请实施例的第六方面还提供了一种图像中字段的处理装置，该装置可设置于云服务系统中的云服务器中，该装置包括：获取模块，用于获取目标指令，该目标指令用于指示参考图像中的多个第一字段和待处理图像中的多个第二字段；处理模块，用于基于图匹配算法对目标指令指示的多个第一字段和多个第二字段进行处理，得到识别结果，识别结果用于指示所述多个第二字段的类别。

从上述装置可以看出：云服务器在获取目标指令后，可确定目标指令所指示的参考图像中的多个第一字段和待处理图像中的多个第二字段。然后，云服务器可基于图匹配算法，对个第一字段和多个第二字段进行处理，得到用于指示多个第二字段的类别的识别结果。前述过程中，云服务器在对待处理图像的第二字段进行处理的过程中，使用了图匹配算法，故云服务器对第二字段的位置并不敏感，即使待处理图像中的某些第二字段出现了漂移现象，云服务器也可准确识别出各个第二字段的类别。

在一种可能的实现方式中，处理模块，用于：基于图匹配算法对目标指令指示的多个第一字段和多个第二字段进行处理，得到识别结果包括：获取多个第一字段一一对应的多个第一特征，以及多个第二字段一一对应的多个第二特征；对多个第一特征和多个第二特征进行处理，得到第一矩阵，第一矩阵包含任意一个第一特征和任意一个第二特征之间的相似度；对多个第一边和多个第二边进行处理，得到第二矩阵，第二矩阵包含任意一个第一边和任意一个第二边之间的相似度；基于图匹配算法对第一矩阵和第二矩阵进行处理，得到识别结果。

在一种可能的实现方式中，第一字段指示的内容和第二字段指示的内容为与用户相关的可编辑信息。

本申请实施例的第七方面提供了一种图像中字段的处理装置，该装置包括存储器和处理器；存储器存储有代码，处理器被配置为执行代码，当代码被执行时，图像中字段的处理装置执行如第一方面或第一方面中任意一种可能的实现方式所述的方法。

本申请实施例的第八方面提供了一种模型训练装置，该装置包括存储器和处理器；存储器存储有代码，处理器被配置为执行代码，当代码被执行时，模型训练装置执行如第二方面或第二方面中任意一种可能的实现方式所述的方法。

本申请实施例第九方面提供了一种电路系统，该电路系统包括处理电路，该处理电路配置为执行如第一方面、第一方面中任意一种可能的实现方式、第二方面或第二方面中任意一种可能的实现方式所述的方法。

本申请实施例第十方面提供了一种芯片系统，该芯片系统包括处理器，用于调用存储器中存储的计算机程序或计算机指令，以使得该处理器执行如第一方面、第一方面中任意一种可能的实现方式、第二方面或第二方面中任意一种可能的实现方式所述的方法。

在一种可能的实现方式中，该处理器通过接口与存储器耦合。

在一种可能的实现方式中，该芯片系统还包括存储器，该存储器中存储有计算机程序或计算机指令。

本申请实施例的第十一方面提供了一种计算机存储介质，该计算机存储介质存储有计算机程序，该程序在由计算机执行时，使得计算机实施如第一方面、第一方面中任意一种可能的实现方式、第二方面或第二方面中任意一种可能的实现方式所述的方法。

本申请实施例第十二方面提供了一种计算机程序产品，该计算机程序产品存储有指令，该指令在由计算机执行时，使得计算机实施如第一方面、第一方面中任意一种可能的实现方式、第二方面或第二方面中任意一种可能的实现方式所述的方法。

本申请实施例中，在获取参考图像的多个第一字段和待处理图像的多个第二字段后，先通过字段处理模型获取多个第一字段和多个第二字段进行处理，得到多个第一字段一一对应的多个第一特征以及多个第二字段一一对应的多个第二特征。然后，通过字段处理模型对多个第一特征以及多个第二特征进行处理，得到多个第一字段和多个第二字段之间的匹配结果。最后，基于匹配结果以及多个第一字段的类别，确定多个第二字段的类别。前述过程中，由于匹配结果包含任意一个第一字段与任意一个第二字段之间的匹配度，故对于任意一个第二字段，可确定与该第二字段最匹配的第一字段，以该第一字段的类别作为该第二字段的类别，如此一来，可准确识别出待处理图像中所有第二字段的类别。

进一步地，上述装置中的字段处理模型引入了图匹配算法，在对待处理图像的第二字段进行处理的过程中，对第二字段的位置并不敏感，即使待处理图像中的某些第二字段出现了漂移现象，也可准确识别出各个第二字段的类别。

附图说明

图1为相关技术的一个示意图；

图2为人工智能主体框架的一种结构示意图；

图3a为本申请实施例提供的图像处理系统的一个结构示意图；

图3b为本申请实施例提供的图像处理系统的另一结构示意图；

图3c为本申请实施例提供的图像处理的相关设备的一个示意图；

图4a为本申请实施例提供的系统100架构的一个示意图；

图4b为本申请实施例提供的图的一个示意图；

图5为本申请实施例提供的图像中字段的处理方法的一个流程示意图；

图6为本申请实施例提供的参考图像和待处理图像的一个示意图；

图7为本申请实施例提供的字段处理模型的一个结构示意图；

图8a为本申请实施例提供的第一矩阵的生成过程的一个示意图；

图8b为本申请实施例提供的第二矩阵的生成过程的一个示意图；

图9为本申请实施例提供的匹配结果的一个示意图；

图10为本申请实施例提供的关键信息的提取结果的一个示意图；

图11为本申请实施例提供的模型训练方法的一个流程示意图；

图12为本申请实施例提供的图像中字段的处理装置的一个结构示意图；

图13为本申请实施例提供的模型训练装置的一个结构示意图；

图14为本申请实施例提供的执行设备的一个结构示意图；

图15为本申请实施例提供的训练设备的一个结构示意图；

图16为本申请实施例提供的芯片的一个结构示意图。

具体实施方式

本申请实施例提供了一种图像中字段的处理方法及其相关设备，可基于参考图像中多个第一字段与待处理图像中多个第二字段之间的匹配结果，准确识别出待处理图像中所有第二字段的类别。

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的术语在适当情况下可以互换，这仅仅是描述本申请的实施例中对相同属性的对象在描述时所采用的区分方式。此外，术语“包括”和“具有”并他们的任何变形，意图在于覆盖不排他的包含，以便包含一系列单元的过程、方法、系统、产品或设备不必限于那些单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它单元。

为了提高办公效率，可通过一些自动识别技术来提取证件、票据中的信息。例如，对于票据的图像而言，该图像包含“张XX”以及“19XX年X月X日”等字段，可对该图像进行处理，从而识别出“张XX”属于姓名类别的字段，“19XX年X月X日”为日期类别的字段等等，从而完成票据的关键信息的提取。

目前，当需确定待处理图像(也可以称为查询图像)中多个字段的类别时，可先获取参考图像(也可以称为支持图像)，参考图像和待处理图像为同类证件或同类票据的图像，二者包含相同类别的字段。例如，如图1所示(图1为相关技术的一个示意图)，参考图像和待处理图像均为某种发票的图像，参考图像呈现有姓名类别的字段、日期类别的字段、金额类别的字段等多个类别的字段，待处理图像也呈现有姓名类别的字段、日期类别的字段、金额类别的字段等多个类别的字段。那么，可基于参考图像中各个字段的位置与待处理图像中各个字段的位置之间的对应关系，来确定待处理图像中各个字段的类别。

然而，一旦待处理图像中各个字段的绝对位置印刷出现误差，即待处理图像中的字段发生漂移现象，如图1所示，待处理图像中姓名类别的字段、日期类别的字段、金额类别的字段等多个类别的字段均出现印刷误差，导致所有字段的绝对位置往上移动，故可能将待处理图像中日期类别的字段与参考图像中姓名类别的字段对应，将待处理图像中金额类别的字段与参考图像中日期类别的字段对应，即会将待处理图像中日期类别的字段误判为姓名类别的字段，将待处理图像中金额类别的字段误判为日期类别的字段。

为了解决上述问题，本申请实施例提供了一种图像中字段的处理方法及其相关设备，该方法可结合人工智能(artificial intelligence，AI)技术实现。AI技术是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能的技术学科，AI技术通过感知环境、获取知识并使用知识获得最佳结果。换句话说，人工智能技术是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。利用人工智能进行图像处理是人工智能常见的一个应用方式。

首先对人工智能系统总体工作流程进行描述，请参见图2，图2为人工智能主体框架的一种结构示意图，下面从“智能信息链”(水平轴)和“IT价值链”(垂直轴)两个维度对上述人工智能主题框架进行阐述。其中，“智能信息链”反映从数据的获取到处理的一列过程。举例来说，可以是智能信息感知、智能信息表示与形成、智能推理、智能决策、智能执行与输出的一般过程。在这个过程中，数据经历了“数据—信息—知识—智慧”的凝练过程。“IT价值链”从人智能的底层基础设施、信息(提供和处理技术实现)到系统的产业生态过程，反映人工智能为信息技术产业带来的价值。

(1)基础设施

基础设施为人工智能系统提供计算能力支持，实现与外部世界的沟通，并通过基础平台实现支撑。通过传感器与外部沟通；计算能力由智能芯片(CPU、NPU、GPU、ASIC、FPGA等硬件加速芯片)提供；基础平台包括分布式计算框架及网络等相关的平台保障和支持，可以包括云存储和计算、互联互通网络等。举例来说，传感器和外部沟通获取数据，这些数据提供给基础平台提供的分布式计算系统中的智能芯片进行计算。

(2)数据

基础设施的上一层的数据用于表示人工智能领域的数据来源。数据涉及到图形、图像、语音、文本，还涉及到传统设备的物联网数据，包括已有系统的业务数据以及力、位移、液位、温度、湿度等感知数据。

(3)数据处理

数据处理通常包括数据训练，机器学习，深度学习，搜索，推理，决策等方式。

其中，机器学习和深度学习可以对数据进行符号化和形式化的智能信息建模、抽取、预处理、训练等。

推理是指在计算机或智能系统中，模拟人类的智能推理方式，依据推理控制策略，利用形式化的信息进行机器思维和求解问题的过程，典型的功能是搜索与匹配。

决策是指智能信息经过推理后进行决策的过程，通常提供分类、排序、预测等功能。

(4)通用能力

对数据经过上面提到的数据处理后，进一步基于数据处理的结果可以形成一些通用的能力，比如可以是算法或者一个通用系统，例如，翻译，文本的分析，计算机视觉的处理，语音识别，图像的识别等等。

(5)智能产品及行业应用

智能产品及行业应用指人工智能系统在各领域的产品和应用，是对人工智能整体解决方案的封装，将智能信息决策产品化、实现落地应用，其应用领域主要包括：智能终端、智能交通、智能医疗、自动驾驶、智慧城市等。

接下来介绍几种本申请的应用场景。

图3a为本申请实施例提供的图像处理系统的一个结构示意图，该图像处理系统包括用户设备以及数据处理设备。其中，用户设备包括手机、个人电脑或者信息处理中心等智能终端。用户设备为图像处理的发起端，作为图像处理请求的发起方，通常由用户通过用户设备发起请求。

上述数据处理设备可以是云服务器、网络服务器、应用服务器以及管理服务器等具有数据处理功能的设备或服务器。数据处理设备通过交互接口接收来自智能终端的图像处理请求，再通过存储数据的存储器以及数据处理的处理器环节进行机器学习，深度学习，搜索，推理，决策等方式的图像处理。数据处理设备中的存储器可以是一个统称，包括本地存储以及存储历史数据的数据库，数据库可以在数据处理设备上，也可以在其它网络服务器上。

在图3a所示的图像处理系统中，用户设备可以接收用户的指令，例如用户设备可以获取用户输入/选择的一张图像，然后向数据处理设备发起请求，使得数据处理设备针对用户设备得到的该图像执行图像处理应用(例如，图像中字段的处理等等)，从而得到针对该图像的对应的处理结果。示例性的，用户设备可以获取用户输入的一张图像，然后向数据处理设备发起图像中字段的处理请求，使得数据处理设备对该图像中的字段进行分类，从而得到图像中各个字段所属的类别。如此一来，则完成了该图像中关键信息的提取。

在图3a中，数据处理设备可以执行本申请实施例的图像中字段的处理方法。

图3b为本申请实施例提供的图像处理系统的另一结构示意图，在图3b中，用户设备直接作为数据处理设备，该用户设备能够直接获取来自用户的输入并直接由用户设备本身的硬件进行处理，具体过程与图3a相似，可参考上面的描述，在此不再赘述。

在图3b所示的图像处理系统中，用户设备可以接收用户的指令，例如用户设备可以获取用户在用户设备中所选择的一张图像，然后再由用户设备自身针对该图像执行图像处理应用(例如图像中字段的处理等)，从而得到针对该图像的对应的处理结果。

在图3b中，用户设备自身就可以执行本申请实施例的图像中字段的处理方法。

图3c为本申请实施例提供的图像处理的相关设备的一个示意图。

上述图3a和图3b中的用户设备具体可以是图3c中的本地设备301或者本地设备302，图3a中的数据处理设备具体可以是图3c中的执行设备210，其中，数据存储系统250可以存储执行设备210的待处理数据，数据存储系统250可以集成在执行设备210上，也可以设置在云上或其它网络服务器上。

图3a和图3b中的处理器可以通过神经网络模型或者其它模型(例如，基于支持向量机的模型)进行数据训练/机器学习/深度学习，并利用数据最终训练或者学习得到的模型针对图像执行图像处理应用，从而得到相应的处理结果。

图4a为本申请实施例提供的系统100架构的一个示意图，在图4a中，执行设备110配置输入/输出(input/output，I/O)接口112，用于与外部设备进行数据交互，用户可以通过客户设备140向I/O接口112输入数据，所述输入数据在本申请实施例中可以包括：各个待调度任务、可调用资源以及其他参数。

在执行设备110对输入数据进行预处理，或者在执行设备110的计算模块111执行计算等相关的处理(比如进行本申请中神经网络的功能实现)过程中，执行设备110可以调用数据存储系统150中的数据、代码等以用于相应的处理，也可以将相应处理得到的数据、指令等存入数据存储系统150中。

最后，I/O接口112将处理结果返回给客户设备140，从而提供给用户。

值得说明的是，训练设备120可以针对不同的目标或称不同的任务，基于不同的训练数据生成相应的目标模型/规则，该相应的目标模型/规则即可以用于实现上述目标或完成上述任务，从而为用户提供所需的结果。其中，训练数据可以存储在数据库130中，且来自于数据采集设备160采集的训练样本。

在图4a中所示情况下，用户可以手动给定输入数据，该手动给定可以通过I/O接口112提供的界面进行操作。另一种情况下，客户设备140可以自动地向I/O接口112发送输入数据，如果要求客户设备140自动发送输入数据需要获得用户的授权，则用户可以在客户设备140中设置相应权限。用户可以在客户设备140查看执行设备110输出的结果，具体的呈现形式可以是显示、声音、动作等具体方式。客户设备140也可以作为数据采集端，采集如图所示输入I/O接口112的输入数据及输出I/O接口112的输出结果作为新的样本数据，并存入数据库130。当然，也可以不经过客户设备140进行采集，而是由I/O接口112直接将如图所示输入I/O接口112的输入数据及输出I/O接口112的输出结果，作为新的样本数据存入数据库130。

值得注意的是，图4a仅是本申请实施例提供的一种系统架构的示意图，图中所示设备、器件、模块等之间的位置关系不构成任何限制，例如，在图4a中，数据存储系统150相对执行设备110是外部存储器，在其它情况下，也可以将数据存储系统150置于执行设备110中。如图4a所示，可以根据训练设备120训练得到神经网络。

本申请实施例还提供的一种芯片，该芯片包括神经网络处理器NPU。该芯片可以被设置在如图4a所示的执行设备110中，用以完成计算模块111的计算工作。该芯片也可以被设置在如图4a所示的训练设备120中，用以完成训练设备120的训练工作并输出目标模型/规则。

神经网络处理器NPU，NPU作为协处理器挂载到主中央处理器(centralprocessing unit，CPU)(host CPU)上，由主CPU分配任务。NPU的核心部分为运算电路，控制器控制运算电路提取存储器(权重存储器或输入存储器)中的数据并进行运算。

在一些实现中，运算电路内部包括多个处理单元(process engine,PE)。在一些实现中，运算电路是二维脉动阵列。运算电路还可以是一维脉动阵列或者能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中，运算电路是通用的矩阵处理器。

举例来说，假设有输入矩阵A，权重矩阵B，输出矩阵C。运算电路从权重存储器中取矩阵B相应的数据，并缓存在运算电路中每一个PE上。运算电路从输入存储器中取矩阵A数据与矩阵B进行矩阵运算，得到的矩阵的部分结果或最终结果，保存在累加器(accumulator)中。

向量计算单元可以对运算电路的输出做进一步处理，如向量乘，向量加，指数运算，对数运算，大小比较等等。例如，向量计算单元可以用于神经网络中非卷积/非FC层的网络计算，如池化(pooling)，批归一化(batch normalization)，局部响应归一化(localresponse normalization)等。

在一些实现种，向量计算单元能将经处理的输出的向量存储到统一缓存器。例如，向量计算单元可以将非线性函数应用到运算电路的输出，例如累加值的向量，用以生成激活值。在一些实现中，向量计算单元生成归一化的值、合并值，或二者均有。在一些实现中，处理过的输出的向量能够用作到运算电路的激活输入，例如用于在神经网络中的后续层中的使用。

统一存储器用于存放输入数据以及输出数据。

权重数据直接通过存储单元访问控制器(direct memory access controller，DMAC)将外部存储器中的输入数据搬运到输入存储器和/或统一存储器、将外部存储器中的权重数据存入权重存储器，以及将统一存储器中的数据存入外部存储器。

总线接口单元(bus interface unit，BIU)，用于通过总线实现主CPU、DMAC和取指存储器之间进行交互。

与控制器连接的取指存储器(instruction fetch buffer)，用于存储控制器使用的指令；

控制器，用于调用指存储器中缓存的指令，实现控制该运算加速器的工作过程。

一般地，统一存储器，输入存储器，权重存储器以及取指存储器均为片上(On-Chip)存储器，外部存储器为该NPU外部的存储器，该外部存储器可以为双倍数据率同步动态随机存储器(double data rate synchronous dynamic random access memory，DDRSDRAM)、高带宽存储器(high bandwidth memory，HBM)或其他可读可写的存储器。

由于本申请实施例涉及大量神经网络的应用，为了便于理解，下面先对本申请实施例涉及的相关术语及神经网络等相关概念进行介绍。

(1)神经网络

神经网络可以是由神经单元组成的，神经单元可以是指以xs和截距1为输入的运算单元，该运算单元的输出可以为：

其中，s＝1、2、……n，n为大于1的自然数，Ws为xs的权重，b为神经单元的偏置。f为神经单元的激活函数(activation functions)，用于将非线性特性引入神经网络中，来将神经单元中的输入信号转换为输出信号。该激活函数的输出信号可以作为下一层卷积层的输入。激活函数可以是sigmoid函数。神经网络是将许多个上述单一的神经单元联结在一起形成的网络，即一个神经单元的输出可以是另一个神经单元的输入。每个神经单元的输入可以与前一层的局部接受域相连，来提取局部接受域的特征，局部接受域可以是由若干个神经单元组成的区域。

神经网络中的每一层的工作可以用数学表达式y＝a(Wx+b)来描述：从物理层面神经网络中的每一层的工作可以理解为通过五种对输入空间(输入向量的集合)的操作，完成输入空间到输出空间的变换(即矩阵的行空间到列空间)，这五种操作包括：1、升维/降维；2、放大/缩小；3、旋转；4、平移；5、“弯曲”。其中1、2、3的操作由Wx完成，4的操作由+b完成，5的操作则由a()来实现。这里之所以用“空间”二字来表述是因为被分类的对象并不是单个事物，而是一类事物，空间是指这类事物所有个体的集合。其中，W是权重向量，该向量中的每一个值表示该层神经网络中的一个神经元的权重值。该向量W决定着上文所述的输入空间到输出空间的空间变换，即每一层的权重W控制着如何变换空间。训练神经网络的目的，也就是最终得到训练好的神经网络的所有层的权重矩阵(由很多层的向量W形成的权重矩阵)。因此，神经网络的训练过程本质上就是学习控制空间变换的方式，更具体的就是学习权重矩阵。

因为希望神经网络的输出尽可能的接近真正想要预测的值，所以可以通过比较当前网络的预测值和真正想要的目标值，再根据两者之间的差异情况来更新每一层神经网络的权重向量(当然，在第一次更新之前通常会有初始化的过程，即为神经网络中的各层预先配置参数)，比如，如果网络的预测值高了，就调整权重向量让它预测低一些，不断的调整，直到神经网络能够预测出真正想要的目标值。因此，就需要预先定义“如何比较预测值和目标值之间的差异”，这便是损失函数(loss function)或目标函数(objective function)，它们是用于衡量预测值和目标值的差异的重要方程。其中，以损失函数举例，损失函数的输出值(loss)越高表示差异越大，那么神经网络的训练就变成了尽可能缩小这个loss的过程。

(2)反向传播算法

神经网络可以采用误差反向传播(back propagation，BP)算法在训练过程中修正初始的神经网络模型中参数的大小，使得神经网络模型的重建误差损失越来越小。具体地，前向传递输入信号直至输出会产生误差损失，通过反向传播误差损失信息来更新初始的神经网络模型中参数，从而使误差损失收敛。反向传播算法是以误差损失为主导的反向传播运动，旨在得到最优的神经网络模型的参数，例如权重矩阵。

(3)图论

图论(graph theory，GT)，是组合数学分支，和其他数学分支，如群论、矩阵论、拓扑学有着密切关系。图是图论的主要研究对象。如图4b所示(图4b为本申请实施例提供的图的一个示意图)，图是由若干给定的节点及连接两节点的边所构成的图形，这种图形通常用来描述某些事物之间的某种特定关系。节点(例如，本申请实施例中的第一特征和第二特征)用于代表事物，连接两节点的边(例如，本申请实施例中的第一边和第二边)则用于表示两个事物间具有这种关系。

下面从神经网络的训练侧和神经网络的应用侧对本申请提供的方法进行描述。

本申请实施例提供的模型训练方法，涉及图像的处理，具体可以应用于数据训练、机器学习、深度学习等数据处理方法，对训练数据(如本申请实施例提供的模型训练方法中，参考图像的多个第一字段和待处理图像的多个第二字段)进行符号化和形式化的智能信息建模、抽取、预处理、训练等，最终得到训练好的神经网络(如本申请中的字段处理模型)；并且，本申请实施例提供的图像中字段的处理方法可以运用上述训练好的神经网络，将输入数据(本申请实施例提供的图像中字段的处理方法中，参考图像的第一字段和待分类图像的第二字段)输入到所述训练好的神经网络中，得到输出数据(如本申请中多个第二字段的类别等等)。需要说明的是，本申请实施例提供的模型训练方法和图像中字段的处理方法是基于同一个构思产生的发明，也可以理解为一个系统中的两个部分，或一个整体流程的两个阶段：如模型训练阶段和模型应用阶段。

图5为本申请实施例提供的图像中字段的处理方法的一个流程示意图，该方法可利用字段处理模型对参考图像的多个第一字段和待处理图像的多个第二字段进行处理，从而确定待处理图像中各个第二字段的类别。如图5所示，该方法包括：

501、获取参考图像中的多个第一字段和待处理图像中的多个第二字段。

本实施例中，当用户需提取待处理图像中的关键信息时，即需要确定待处理图像中字段的类别时，可先获取待处理图像以及与待处理图像对应的参考图像。需要说明的是，待处理图像和参考图像为同类证件或同类票据的图像，例如，待处理图像和参考图像可均为身份证的图像，又如，待处理图像和参考图像可均为出租车发票的图像，再如，待处理图像和参考图像可均为动车票的图像等等。可见，待处理图像和参考图像包含相同类别的字段，故可基于参考图像中字段的类别，来确定待处理图像中字段的类别。

为了便于说明，下文均将参考图像中的字段称为第一字段，将待处理图像中的字段称为第二字段。具体地，参考图像呈现有多个第一字段和多个类别，且这多个第一字段和多个类别之间的对应关系是已确定的，即多个第一字段的类别是已确定的，需要说明的是，每个第一字段所指示的内容为与用户相关的可编辑信息(或非固定信息)，而每个类别所指示的内容为非可编辑信息(或固定信息)。如图6所示(图6为本申请实施例提供的参考图像和待处理图像的一个示意图)，设参考图像为一张身份证的图像，该图像呈现有姓名、性别、生日、住址以及身份证号码等类别，还呈现有张XX、男、196X年XX月XX日、XX市XX区以及123XXXXXXX等指示用户(即张XX)的可编辑信息的字段，这些字段的类别已被提前批注，即张XX为姓名类别的字段，男为性别类别的字段，19XX年XX月XX日为生日类别的字段，XX市XX区为住址类别的字段，123XXXXXXX为身份证号码类别的字段。

待处理图像同样也呈现有多个第二字段和多个类别，但这多个第二字段和多个类别之间的对应关系是未确定的，即多个第二字段的类别是未确定的，需要说明的是，每个第二字段所指示的内容为与用户相关的可编辑信息(或非固定信息)，而每个类别所指示的内容为非可编辑信息(或固定信息)。可以理解的是，参考图像中所呈现的多个类别和待处理图像所呈现的多个类别通常是相同的，即二者包含相同类别的字段，但相同类别的字段所指示的内容可能不同。依旧如图6所示的例子，设待处理图像也为一张身份证的图像，该图像呈现有姓名、性别、生日、住址以及身份证号码等类别，还呈现有王X、女、195X年XX月XX日、XX市XX街道、456XXXXXXX、(4)等指示用户(即王X)的可编辑信息的字段，但这些字段的类别是待定的。

在得到参考图像和待处理图像后，可通过光学字符识别(optical characterrecognition，OCR)技术对待处理图像的任意一个第二字段进行处理，从而得到该第二字段所指示的内容以及该第二字段所在的区域等该第二字段的信息，如此一来，可以得到待处理图像的多个第二字段的信息。需要说明的是，对于参考图像中的任意一个第一字段，该第一字段所指示的内容以及该第一字段所在的区域等该第一字段的信息是可直接获取的(因为参考图像可理解为一个模板，故这些信息均是已提前记录的，例如，这些信息可记录在参考图像的标注文件中等等)，故可直接获取参考图像的多个第一字段的信息。

得到参考图像的多个第一字段的信息和待处理图像的多个第二字段的信息后，也就相当于在参考图像中确认了多个第一字段，并在待处理图像中确认了多个第二字段。

应理解，对于参考图像中的任意一个第一字段，该第一字段所在的区域指该第一字段在参考图像中所占据的范围，例如一个矩形区域等等。同样地，对于待处理图像中的任意一个第二字段，该第二字段所在的区域指该第二字段在待处理图像中所占据的范围，例如一个矩形区域等等。

还应理解，本实施例中仅以第一字段的信息包含第一字段所指示的内容以及第一字段所在的区域这两个信息进行示意性说明，并不对本申请中第一字段的信息中所包含的信息的类型构成限制。

502、通过字段处理模型获取多个第一字段一一对应的多个第一特征，以及多个第二字段一一对应的多个第二特征。

得到参考图像的多个第一字段的信息和待处理图像的多个第二字段的信息后，可获取字段处理模型，以通过字段处理模型对参考图像的多个第一字段的信息和待处理图像的多个第二字段的信息进行处理，从而得到多个第一特征和多个第二特征，其中，多个第一特征与多个第一字段一一对应，多个第二特征与多个第二字段一一对应。

其中，字段处理模型为一个已训练的神经网络模型，如图7所示(图7为本申请实施例提供的字段处理模型的一个结构示意图)，该模型通常包含相互连接的两个部分，第一部分为多层感知器(multilayer perceptron，MLP)，第二部分为基于图匹配算法构建的图求解器，图匹配算法可为匈牙利(ungarian algorithm)算法、最大流(maximal flow)算法等算法中的任意一种。其中，多层感知器的输入端作为整个字段处理模型的输入端，多层感知器的输出端与图求解器的输入端连接，图求解器的输出端作为整个字段处理模型的输出端。

具体地，得到参考图像的多个第一字段的信息和待处理图像的多个第二字段的信息后，可将多个第一字段的信息和多个第二字段的信息输入至字段处理模型的多层感知器。那么，对于多个第一字段中的任意一个第一字段，多层感知器可对该第一字段的信息进行处理，得到该第一字段的第一特征。例如，多层感知器可使用该第一字段所在的区域的中心点位置作为该第一字段的空间特征，使用该第一字段所在的区域的尺寸(也可以称为宽高比)作为该第一字段的形状特征，并对该第一字段所指示的内容进行特征提取处理，得到该第一字段的文字特征。然后，多层感知器可对该第一字段的空间特征、形状特征以及文字特征进行线性变换处理，以映射至高维空间，得到该第一字段的新空间特征、新形状特征以及新文字特征。那么，这三个特征可作为该第一字段的第一特征。如此一来，多层感知器可得到与多个第一字段一一对应的多个第一特征。

同样地，对于多个第二字段中的任意一个第二字段，多层感知器可对该第二字段的信息进行处理，得到该第二字段的第二特征。例如，多层感知器可使用该第二字段所在的区域的中心点位置作为该第二字段的空间特征，使用该第二字段所在的区域的尺寸作为该第二字段的形状特征，并对该第二字段所指示的内容进行特征提取处理，得到该第二字段的文字特征。然后，多层感知器可对该第二字段的空间特征、形状特征以及文字特征进行线性变换处理，以映射至高维空间，得到该第二字段的新空间特征、新形状特征以及新文字特征。那么，这三个特征可作为该第二字段的第二特征。如此一来，多层感知器可得到与多个第二字段一一对应的多个第二特征。

应理解，本实施例中仅以第一字段的第一特征包含空间特征、形状特征以及文字特征这三个特征进行示意性说明，并不对本申请中第一字段的第一特征所包含的特征的类型构成限制。

503、通过字段处理模型对多个第一特征以及多个第二特征进行处理，得到多个第一字段和多个第二字段之间的匹配结果。

得到多个第一字段一一对应的多个第一特征以及多个第二字段一一对应的多个第二特征后，字段处理模型可对多个第一特征以及多个第二特征进行处理，得到多个第一字段和多个第二字段之间的匹配结果，该匹配结果包含多个第一字段中任意一个第一字段和多个第二字段中任意一个第二字段之间的匹配度。

进一步地，为了提高多个第一字段和多个第二字段之间的匹配结果的准确度，字段处理模型的多层感知器可计算多个第一特征中两两之间的距离(即计算任意两个第一特征之间的距离)，从而得到多个第一边，例如，对于任意两个第一字段，多层感知器可计算这两个第一字段的新空间特征之间的距离(例如，计算这两个新空间特征之间的欧式距离等等)，并计算这两个第一字段的新尺寸特征之间的距离(例如，将这两个新尺寸特征进行拼接处理，作为这两个新尺寸特征之间的距离等等)，那么，可将这两个第一字段的新空间特征之间的距离和这两个第一字段的新尺寸特征之间的距离作为这两个第一字段的第一特征之间的距离。如此一来，在多个第一字段中，多层感知器可得到任意两个第一字段的第一特征之间的距离，即多个第一边。

同样地，多层感知器还可计算多个第二特征中两两之间的距离(即计算任意两个第二特征之间的距离)，从而得到多个第二边，例如，对于任意两个第二字段，多层感知器可计算这两个第二字段的新空间特征之间的距离(例如，计算这两个新空间特征之间的欧式距离等等)，并计算这两个第二字段的新尺寸特征之间的距离(例如，将这两个新尺寸特征进行拼接处理，作为这两个新尺寸特征之间的距离等等)，那么，可将这两个第二字段的新空间特征之间的距离和这两个第二字段的新尺寸特征之间的距离作为这两个第二字段的第二特征之间的距离。如此一来，在多个第二字段中，多层感知器可得到任意两个第二字段的第二特征之间的距离，即多个第二边。

基于此，多层感知器可对多个第一特征、多个第二特征、多个第一边以及多个第二边进行处理，以使得图求解器基于多层感知器的处理结果，获取多个第一字段和多个第二字段之间的匹配结果。具体地，多层感知器和图求解器可通过以下方式获取多个第一字段和多个第二字段之间的匹配结果：

(1)多层感知器对多个第一特征和多个第二特征进行处理，得到第一矩阵(也可以称为节点亲和矩阵)，第一矩阵包含任意一个第一特征和任意一个第二特征之间的相似度(也可以称为亲和度)。

为了进一步理解第一矩阵的生成过程，下文结合图8a对该过程作进一步的介绍。图8a为本申请实施例提供的第一矩阵的生成过程的一个示意图，如图8a所示，对于某一个第一字段的新空间特征，多层感知器可计算该第一字段的新空间特征与每个第二字段的新空间特征之间的相似度，并以该第一字段的新空间特征与每个第二字段的新空间特征之间的相似度作为第一空间矩阵中的某一行的每个元素。那么，对于其它第一字段的新空间特征，多层感知器也可执行如同前述的过程，故可生成完整的第一空间矩阵，在第一空间矩阵中，某一行的每个元素为某个第一字段的新空间特征与每个第二字段的新空间特征之间的相似度，某一列的每个元素为某个第二字段的新空间特征与每个第一字段的新空间特征之间的相似度。

同样地，对于某一个第一字段的新尺寸特征，多层感知器可计算该第一字段的新尺寸特征与每个第二字段的新尺寸特征之间的相似度，并以该第一字段的新尺寸特征与每个第二字段的新尺寸特征之间的相似度作为第一尺寸矩阵中的某一行的每个元素。那么，对于其它第一字段的新尺寸特征，多层感知器也可执行如同前述的过程，故可生成完整的第一尺寸矩阵，在第一尺寸矩阵中，某一行的每个元素为某个第一字段的新尺寸特征与每个第二字段的新尺寸特征之间的相似度，某一列的每个元素为某个第二字段的新尺寸特征与每个第一字段的新尺寸特征之间的相似度。

同样地，对于某一个第一字段的新文字特征，多层感知器可计算该第一字段的新文字特征与每个第二字段的新文字特征之间的相似度，并以该第一字段的新文字特征与每个第二字段的新文字特征之间的相似度作为第一文字矩阵中的某一行的每个元素。那么，对于其它第一字段的新文字特征，多层感知器也可执行如同前述的过程，故可生成完整的第一文字矩阵，在第一文字矩阵中，某一行的每个元素为某个第一字段的新文字特征与每个第二字段的新文字特征之间的相似度，某一列的每个元素为某个第二字段的新文字特征与每个第一字段的新文字特征之间的相似度。

得到第一空间矩阵、第一尺寸矩阵和第一文字矩阵后，多层感知器可对这三个矩阵进行加权求和处理(矩阵加法)，得到第一矩阵。需要说明的是，在第一空间矩阵、第一尺寸矩阵和第一文字矩阵中，每个矩阵对应的权重的大小可根据实际需求进行设置，此处不做限定。

(2)多层感知器对多个第一边以及多个第二边进行处理，得到第二矩阵(也可以称为边亲和矩阵)，第二矩阵包含任意一个第一边和任意一个第二边之间的相似度(也可以称为亲和度)。

为了进一步理解第二矩阵的生成过程，下文结合图8b对该过程作进一步的介绍。图8b为本申请实施例提供的第二矩阵的生成过程的一个示意图，如图8b所示，对于某两个第一字段的新空间特征之间的距离，多层感知器可计算这两个第一字段的新空间特征之间的距离与每两个第二字段的新空间特征之间的距离之间的相似度，并以这两个第一字段的新空间特征之间的距离与每两个第二字段的新空间特征之间的距离之间的相似度作为第二空间矩阵中的某一行的每个元素。那么，对于其余两个第一字段的新空间特征之间的距离，多层感知器也可执行如同前述的过程，故可生成完整的第二空间矩阵。

对于某两个第一字段的新尺寸特征之间的距离，多层感知器可计算这两个第一字段的新尺寸特征之间的距离与每两个第二字段的新尺寸特征之间的距离之间的相似度，并以这两个第一字段的新尺寸特征之间的距离与每两个第二字段的新尺寸特征之间的距离之间的相似度作为第二尺寸矩阵中的某一行的每个元素。那么，对于其余两个第一字段的新尺寸特征之间的距离，多层感知器也可执行如同前述的过程，故可生成完整的第二尺寸矩阵。

得到第二空间矩阵和第二尺寸矩阵后，多层感知器可对这两个矩阵进行加权求和处理，得到第二矩阵。需要说明的是，在第二空间矩阵和第二尺寸矩阵中，每个矩阵对应的权重的大小可根据实际需求进行设置，此处不做限定。

(3)多层感知器得到第一矩阵和第二矩阵后，可将第一矩阵和第二矩阵发送至图求解器，图求解器可基于图匹配算法对第一矩阵和第二矩阵进行处理，得到多个第一字段和多个第二字段之间的匹配结果，该匹配结果包含任意一个第一字段和任意一个第二字段之间的匹配度。如图9所示(图9为本申请实施例提供的匹配结果的一个示意图，图9在图6的基础上进行绘制)，在该匹配结果中，显示出了待处理图像中各个字段与参考图像中各个字段之间的匹配度，例如，王X与张XX的匹配度为80％，王X与男的匹配度为10％，王X与196X年XX月XX日的匹配度为10％，王X与XX市XX区的匹配度为10％，王X与123XXXXXXX的匹配度为10％等等。

应理解，本实施例中仅以两个第一字段的第一特征之间的距离(即第一边)包含这两个第一字段的新空间特征之间的距离和这两个第一字段的新尺寸特征之间的距离进行示意性说明，并不对本申请实施例中两个第一字段的第一特征之间的距离所包含的距离的类型构成限制。同样地，第二边也是如此，此处不再赘述。

还应理解，本实施例中仅以第一矩阵基于第一空间矩阵、第一尺寸矩阵和第一文字矩阵生成进行示意性说明，并不对本申请中用于生成第一矩阵的矩阵的类型构成限制。同样地，第二矩阵也是如此，此处不再赘述。

504、基于匹配结果以及多个第一字段的类别，确定多个第二字段的类别。

得到字段处理模型输出的匹配结果后，由于参考图像中多个第一字段的类别是已知的，故可基于匹配结果以及多个第一字段的类别，确定多个第二字段的类别。

具体地，可通过多种方式获取多个第二字段之间的类别，下文将分别进行介绍：

在一种可能的实现方式中，在多个第二字段中，对于任意一个第二字段而言，基于该第二字段与每个第一字段之间的匹配度，将匹配度最大的第一字段的类别确定为该第二字段的类别。那么，对于其它第二字段而言，也可执行如前述的过程，如此一来，可确定多个第二字段中每个第二字段的类别。依旧如图9所示的例子，由于王X与张XX的匹配度最高(80％)，张XX为姓名类别的字段，故可将王X确定为姓名类别的字段。

在另一种可能的实现方式中，在多个第二字段中，对于任意一个第二字段而言，若该第二字段与每个第一字段之间的匹配度均小于预置的阈值，则认为该第二字段为异常字段，并将该第二字段从多个第二字段中剔除，若该第二字段与某个第一字段之间的匹配度大于或等于预置的阈值，则认为该第二字段为正常字段，并保留该第二字段。那么，对于其它第二字段而言，也可执行如前述的过程，如此一来，则完成对多个第二字段的过滤，得到剩余的第二字段，剩余的第二字段均为正常字段，不再包含异常字段，可提高字段的可用性。依旧如图9所示的例子，由于(4)与张XX、男、196X年XX月XX日、XX市XX区、123XXXXXXX的匹配度均低于20％，故确定(4)为异常字段(例如，(4)为人工标记在待处理图像对应的身份证上的一个标记等等)，则将(4)从待处理图像所呈现的字段中剔除。由于王X与张XX的匹配度为80％，女与男的匹配度为70％，195X年XX月XX日与196X年XX月XX日的匹配度为80％，XX市XX街道与XX市XX区的匹配度为70％，123XXXXXXX与456XXXXXXX的匹配度为70％，均大于20％，故确定王X、女、195X年XX月XX日、XX市XX街道和456XXXXXXX均为正常字段。

然后，在剩余的第二字段中，对于任意一个第二字段而言，基于该第二字段与每个第一字段之间的匹配度，将匹配度最大的第一字段的类别确定为该第二字段的类别。那么，对于其它第二字段而言，也可执行如前述的过程，如此一来，可确定剩余的第二字段中每个第二字段的类别。依旧如图9所示的例子，在待处理图像所呈现的剩余字段中，由于王X与张XX的匹配度最高(80％)，女与男的匹配度最高(70％)，195X年XX月XX日与196X年XX月XX日的匹配度最高(80％)，XX市XX街道与XX市XX区的匹配度最高(70％)，123XXXXXXX与456XXXXXXX的匹配度最高(70％),故可将王X确定为姓名类别的字段，将女确定为性别类别的字段，将195X年XX月XX日确定为生日类别的字段，将XX市XX街道确定为住址类别的字段，将456XXXXXXX确定为身份证号码类别的字段。

在确定多个第二字段的类别后，可基于多个第二字段以及多个第二字段的类别生成待处理图像中关键信息的提取结果，并将提取结果返回至用户，以供用户使用。如图10所示(图10为本申请实施例提供的关键信息的提取结果的一个示意图，图10在图9的基础上进行绘制)，基于该提取结果可知，该身份证是姓名为王X的女士所拥有的，该女士的住址为XX市XX街道，该女士的生日为195X年XX月XX日，且该女士的身份证号码为456XXXXXXX。

此外，可将本申请实施例提供的字段处理模型与相关技术的字段处理模型进行比较。具体地，可使用d0-d8等数据集对本申请实施例提供的字段处理模型与相关技术的字段处理模型进行测试，测试结果如表1所示：

表1

从表1可知，本申请实施例提供的字段处理模型，在对绝大部分数据集进行字段识别后，可取得最高的识别精度。

本申请实施例中，在获取参考图像的多个第一字段和待处理图像的多个第二字段后，先通过字段处理模型获取多个第一字段和多个第二字段进行处理，得到多个第一字段一一对应的多个第一特征以及多个第二字段一一对应的多个第二特征。然后，通过字段处理模型对多个第一特征以及多个第二特征进行处理，得到多个第一字段和多个第二字段之间的匹配结果。最后，基于匹配结果以及多个第一字段的类别，确定多个第二字段的类别。前述过程中，由于匹配结果包含任意一个第一字段与任意一个第二字段之间的匹配度，故对于任意一个第二字段，可确定与该第二字段最匹配的第一字段，以该第一字段的类别作为该第二字段的类别，如此一来，可准确识别出待处理图像中所有第二字段的类别。

进一步地，本申请实施例的字段处理模型引入了图匹配算法，在对待处理图像的第二字段进行处理的过程中，对第二字段的位置并不敏感，即使待处理图像中的某些第二字段出现了漂移现象，也可准确识别出各个第二字段的类别。

更进一步地，本申请实施例还可检测出待处理图像中的异常字段，从而不会给异常字段分配任何类别，仅为正常字段分配类别，可进一步提高字段类别的识别准确率。

以上是对本申请实施例提供的图像中字段的处理方法所进行的详细说明，以下将对本申请实施例提供的模型训练方法进行介绍。图11为本申请实施例提供的模型训练方法的一个流程示意图。如图11所示，该方法包括:

1101、获取参考图像的多个第一字段和待处理图像的多个第二字段。

在需要对待训练模型进行训练时，可获取一批训练样本，即参考图像的多个第一字段的信息和待处理图像的多个第二字段的信息。其中，待训练模型包含直接连接的两个部分，第一部分为多层感知器，第二部分为图求解器，多层感知器的输入端作为整个待训练模型的输入端，多层感知器的输出端与图求解器的输入端连接，图求解器的输出端作为整个待训练模型的输出端。值得注意的是，在参考图像中，每个第一字段的真实类别是已知的，且在待处理图像中，每个第二字段的真实类别也是已知的。

在一种可能的实现方式中，第一字段指示的内容和第二字段指示的内容为与用户相关的可编辑信息。

关于第一字段的信息和第二字段的信息的介绍，可参考图5所示实施例中步骤501的相关说明部分，此处不再赘述。

1102、通过待训练模型获取多个第一字段一一对应的多个第一特征，以及多个第二字段一一对应的多个第二特征。

得到参考图像的多个第一字段的信息和待处理图像的多个第二字段的信息后，可将这些信息输入至待训练模型，以通过待训练模型对参考图像的多个第一字段的信息和待处理图像的多个第二字段的信息进行处理，从而得到多个第一特征和多个第二特征，其中，多个第一特征与多个第一字段一一对应，多个第二特征与多个第二字段一一对应。具体地，第一特征和第二特征可通过多种方式生成：

在一种可能的实现方式中，第一特征基于第一字段所指示的内容、第一字段所在的区域的中心点位置以及第一字段所在的区域的尺寸中的至少一种生成。

在一种可能的实现方式中，第二特征基于第二字段所指示的内容、第二字段所在的区域的中心点位置以及第二字段所在的区域的尺寸中的至少一种生成。

关于获取第一特征和第二特征的过程，可参考图5所示实施例中步骤502的相关说明部分，此处不再赘述。

1103、通过待训练模型对多个第一特征以及多个第二特征进行处理，得到多个第一字段和多个第二字段之间的匹配结果。

得到多个第一字段一一对应的多个第一特征以及多个第二字段一一对应的多个第二特征后，待训练模型可对多个第一特征以及多个第二特征进行处理，得到多个第一字段和多个第二字段之间的匹配结果，该匹配结果包含多个第一字段中任意一个第一字段和多个第二字段中任意一个第二字段之间的匹配度。具体地，匹配结果可通过多种方式获取：

在一种可能的实现方式中，通过待训练模型对多个第一特征以及多个第二特征进行处理，得到多个第一字段和多个第二字段之间的匹配结果包括：通过待训练模型对多个第一特征、多个第二特征、多个第一边以及多个第二边进行处理，得到多个第一字段和多个第二字段之间的匹配结果，第一边为两个第一特征之间的距离，第二边为两个第二特征之间的距离。

在一种可能的实现方式中，通过待训练模型对多个第一特征、多个第二特征、多个第一边以及多个第二边进行处理，得到多个第一字段和多个第二字段之间的匹配结果包括：通过待训练模型对多个第一特征和多个第二特征进行处理，得到第一矩阵，第一矩阵包含任意一个第一特征和任意一个第二特征之间的相似度；通过待训练模型对多个第一边以及多个第二边进行处理，得到第二矩阵，第二矩阵包含任意一个第一边和任意一个第二边之间的相似度；通过待训练模型基于图匹配算法对第一矩阵和第二矩阵进行处理，得到多个第一字段和多个第二字段之间的匹配结果。

关于获取匹配结果的过程，可参考图5所示实施例中步骤503的相关说明部分，此处不再赘述。

1104、基于匹配结果以及多个第一字段的真实类别，确定多个第二字段的预测类别。

得到待训练模型输出的匹配结果后，由于多个第一字段的真实类别是已知的，故可基于匹配结果以及多个第一字段的真实类别，确定多个第二字段的预测类别。具体地，第二字段的预测类别可通过多种方式获取：

在一种可能的实现方式中，匹配结果包含任意一个第一字段和任意一个第二字段之间的匹配度，基于匹配结果以及多个第一字段的真实类别，确定多个第二字段的预测类别包括：对于任意一个第二字段，基于该第二字段与每个第一字段之间的匹配度，将匹配度最大的第一字段的真实类别确定为该第二字段的预测类别。

在一种可能的实现方式中，对于任意一个第二字段，基于该第二字段与每个第一字段之间的匹配度，将匹配度最大的第一字段的真实类别确定为该第二字段的预测类别之前，还包括：对于任意一个第二字段，若该第二字段与每个第一字段之间的匹配度均小于预置的阈值，则将该第二字段从多个第二字段中剔除。

关于获取第二字段的预测类别的过程，可参考图5所示实施例中步骤504的相关说明部分，此处不再赘述。

1105、基于多个第二字段的真实类别和多个第二字段的预测类别，对待训练模型进行训练，得到字段处理模型。

得到多个第二字段的预测类别后，由于多个第二字段的真实类别是已知的，故可基于多个第二字段的预测类别和多个第二字段的真实类别进行计算，从而得到目标损失，目标损失用于指示多个第二字段的预测类别和多个第二字段的真实类别之间的差异，即目标损失用于指示每个第二字段的预测类别以及该第二字段的真实类别之间的差异。

得到目标损失后，可基于目标损失对待训练模型的模型参数进行更新，并利用下一批训练样本对更新参数后的待训练模型进行训练(即重新执行步骤1102至步骤1105)，直至满足预置的模型训练条件(例如，目标损失达到收敛等等)，可得到图5所示实施例中的字段处理模型。

本申请实施例训练得到的字段处理模型，具备对待处理图像中字段进行分类的能力。具体地，在获取参考图像的多个第一字段和待处理图像的多个第二字段后，先通过字段处理模型获取多个第一字段和多个第二字段进行处理，得到多个第一字段一一对应的多个第一特征以及多个第二字段一一对应的多个第二特征。然后，通过字段处理模型对多个第一特征以及多个第二特征进行处理，得到多个第一字段和多个第二字段之间的匹配结果。最后，基于匹配结果以及多个第一字段的类别，确定多个第二字段的类别。前述过程中，由于匹配结果包含任意一个第一字段与任意一个第二字段之间的匹配度，故对于任意一个第二字段，可确定与该第二字段最匹配的第一字段，以该第一字段的类别作为该第二字段的类别，如此一来，可准确识别出待处理图像中所有第二字段的类别。

进一步地，本申请实施例训练得到的字段处理模型引入了图匹配算法，在对待处理图像的第二字段进行处理的过程中，对第二字段的位置并不敏感，即使待处理图像中的某些第二字段出现了漂移现象，也可准确识别出各个第二字段的类别。

更进一步地，本申请实施例还可检测出待处理图像中的异常字段，从而不会给异常字段分配任何类别，仅为正常字段分配类别，可进一步提高字段类别的识别准确率。

以上是对本申请实施例提供的模型训练方法所进行的详细说明，以下将对本申请实施例提供的图像中字段的处理装置和模型训练装置分别进行介绍。图12为本申请实施例提供的图像中字段的处理装置的一个结构示意图。如图12所示，该装置包括：

获取模块1201，用于获取参考图像的多个第一字段和待处理图像的多个第二字段；

第一处理模块1202，用于通过字段处理模型获取多个第一字段一一对应的多个第一特征，以及多个第二字段一一对应的多个第二特征；

第二处理模块1203，用于通过字段处理模型对多个第一特征以及多个第二特征进行处理，得到多个第一字段和多个第二字段之间的匹配结果；

确定模块1204，用于基于匹配结果以及多个第一字段的类别，确定多个第二字段的类别。

本申请实施例中，在获取参考图像的多个第一字段和待处理图像的多个第二字段后，先通过字段处理模型获取多个第一字段和多个第二字段进行处理，得到多个第一字段一一对应的多个第一特征以及多个第二字段一一对应的多个第二特征。然后，通过字段处理模型对多个第一特征以及多个第二特征进行处理，得到多个第一字段和多个第二字段之间的匹配结果。最后，基于匹配结果以及多个第一字段的类别，确定多个第二字段的类别。前述过程中，由于匹配结果包含任意一个第一字段与任意一个第二字段之间的匹配度，故对于任意一个第二字段，可确定与该第二字段最匹配的第一字段，以该第一字段的类别作为该第二字段的类别，如此一来，可准确识别出待处理图像中所有第二字段的类别。

在一种可能的实现方式中，第二处理模块1203，用于通过字段处理模型对多个第一特征、多个第二特征、多个第一边以及多个第二边进行处理，得到多个第一字段和多个第二字段之间的匹配结果，第一边为两个第一特征之间的距离，第二边为两个第二特征之间的距离。

在一种可能的实现方式中，第二处理模块1203，用于：通过字段处理模型对多个第一特征和多个第二特征进行处理，得到第一矩阵，第一矩阵包含任意一个第一特征和任意一个第二特征之间的相似度；通过字段处理模型对多个第一边和多个第二边进行处理，得到第二矩阵，第二矩阵包含任意一个第一边和任意一个第二边之间的相似度；通过字段处理模型基于图匹配算法对第一矩阵和第二矩阵进行处理，得到多个第一字段和多个第二字段之间的匹配结果。

在一种可能的实现方式中，匹配结果包含任意一个第一字段和任意一个第二字段之间的匹配度，确定模块1204，用于对于任意一个第二字段，基于该第二字段与每个第一字段之间的匹配度，将匹配度最大的第一字段的类别确定为该第二字段的类别。

在一种可能的实现方式中，该装置还包括：剔除模块，用于对于任意一个第二字段，若该第二字段与每个第一字段之间的匹配度均小于预置的阈值，则将该第二字段从多个第二字段中剔除。

在一种可能的实现方式中，第一特征基于第一字段所指示的内容、第一字段所在的区域的中心点位置以及第一字段所在的区域的尺寸中的至少一种生成。

在一种可能的实现方式中，第二特征基于第二字段所指示的内容、第二字段所在的区域的中心点位置以及第二字段所在的区域的尺寸中的至少一种生成。

在一种可能的实现方式中，第一字段指示的内容和第二字段指示的内容为与用户相关的可编辑信息。

需要说明的是，上述装置各模块/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其带来的技术效果与本申请方法实施例相同，具体内容可参考本申请实施例前述所示的方法实施例中的叙述，此处不再赘述。

图13为本申请实施例提供的模型训练装置的一个结构示意图。如图13所示，该装置包括：

获取模块1301，用于获取参考图像的多个第一字段和待处理图像的多个第二字段；

第一处理模块1302，用于通过待训练模型获取多个第一字段一一对应的多个第一特征，以及多个第二字段一一对应的多个第二特征；

第二处理模块1303，用于通过待训练模型对多个第一特征以及多个第二特征进行处理，得到多个第一字段和多个第二字段之间的匹配结果；

确定模块1304，用于基于匹配结果以及多个第一字段的真实类别，确定多个第二字段的预测类别；

训练模块1305，用于基于多个第二字段的真实类别和多个第二字段的预测类别，对待训练模型进行训练，得到字段处理模型。

本申请实施例训练得到的字段处理模型，具备对待处理图像中字段进行分类的能力。具体地，在获取参考图像的多个第一字段和待处理图像的多个第二字段后，先通过字段处理模型获取多个第一字段和多个第二字段进行处理，得到多个第一字段一一对应的多个第一特征以及多个第二字段一一对应的多个第二特征。然后，通过字段处理模型对多个第一特征以及多个第二特征进行处理，得到多个第一字段和多个第二字段之间的匹配结果。最后，基于匹配结果以及多个第一字段的类别，确定多个第二字段的类别。前述过程中，由于匹配结果包含任意一个第一字段与任意一个第二字段之间的匹配度，故对于任意一个第二字段，可确定与该第二字段最匹配的第一字段，以该第一字段的类别作为该第二字段的类别，如此一来，可准确识别出待处理图像中所有第二字段的类别。

在一种可能的实现方式中，第二处理模块1303，用于通过待训练模型对多个第一特征、多个第二特征、多个第一边以及多个第二边进行处理，得到多个第一字段和多个第二字段之间的匹配结果，第一边为两个第一特征之间的距离，第二边为两个第二特征之间的距离。

在一种可能的实现方式中，第二处理模块1303，用于：通过待训练模型对多个第一特征和多个第二特征进行处理，得到第一矩阵，第一矩阵包含任意一个第一特征和任意一个第二特征之间的相似度；通过待训练模型对多个第一边以及多个第二边进行处理，得到第二矩阵，第二矩阵包含任意一个第一边和任意一个第二边之间的相似度；通过待训练模型基于图匹配算法对第一矩阵和第二矩阵进行处理，得到多个第一字段和多个第二字段之间的匹配结果。

在一种可能的实现方式中，匹配结果包含任意一个第一字段和任意一个第二字段之间的匹配度，确定模块1304，用于对于任意一个第二字段，基于该第二字段与每个第一字段之间的匹配度，将匹配度最大的第一字段的真实类别确定为该第二字段的预测类别。

在一种可能的实现方式中，该装置还包括：剔除模块，用于对于任意一个第二字段，若该第二字段与每个第一字段之间的匹配度均小于预置的阈值，则将该第二字段从多个第二字段中剔除。

在一种可能的实现方式中，第一特征基于第一字段所指示的内容、第一字段所在的区域的中心点位置以及第一字段所在的区域的尺寸中的至少一种生成。

在一种可能的实现方式中，第二特征基于第二字段所指示的内容、第二字段所在的区域的中心点位置以及第二字段所在的区域的尺寸中的至少一种生成。

在一种可能的实现方式中，第一字段指示的内容和第二字段指示的内容为与用户相关的可编辑信息。

需要说明的是，上述装置各模块/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其带来的技术效果与本申请方法实施例相同，具体内容可参考本申请实施例前述所示的方法实施例中的叙述，此处不再赘述。

本申请实施例还涉及一种执行设备，图14为本申请实施例提供的执行设备的一个结构示意图。如图14所示，执行设备1400具体可以表现为手机、平板、笔记本电脑、智能穿戴设备、服务器等，此处不做限定。其中，执行设备1400上可部署有图12对应实施例中所描述的图像中字段的处理装置，用于实现图5对应实施例中图像中字段处理的功能。具体的，执行设备1400包括：接收器1401、发射器1402、处理器1403和存储器1404(其中执行设备1400中的处理器1403的数量可以一个或多个，图14中以一个处理器为例)，其中，处理器1403可以包括应用处理器14031和通信处理器14032。在本申请的一些实施例中，接收器1401、发射器1402、处理器1403和存储器1404可通过总线或其它方式连接。

存储器1404可以包括只读存储器和随机存取存储器，并向处理器1403提供指令和数据。存储器1404的一部分还可以包括非易失性随机存取存储器(non-volatile randomaccess memory，NVRAM)。存储器1404存储有处理器和操作指令、可执行模块或者数据结构，或者它们的子集，或者它们的扩展集，其中，操作指令可包括各种操作指令，用于实现各种操作。

处理器1403控制执行设备的操作。具体的应用中，执行设备的各个组件通过总线系统耦合在一起，其中总线系统除包括数据总线之外，还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见，在图中将各种总线都称为总线系统。

上述本申请实施例揭示的方法可以应用于处理器1403中，或者由处理器1403实现。处理器1403可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器1403中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器1403可以是通用处理器、数字信号处理器(digital signal processing，DSP)、微处理器或微控制器，还可进一步包括专用集成电路(application specific integratedcircuit，ASIC)、现场可编程门阵列(field-programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。该处理器1403可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1404，处理器1403读取存储器1404中的信息，结合其硬件完成上述方法的步骤。

接收器1401可用于接收输入的数字或字符信息，以及产生与执行设备的相关设置以及功能控制有关的信号输入。发射器1402可用于通过第一接口输出数字或字符信息；发射器1402还可用于通过第一接口向磁盘组发送指令，以修改磁盘组中的数据；发射器1402还可以包括显示屏等显示设备。

本申请实施例中，在一种情况下，处理器1403，用于通过图5对应实施例中的字段处理模型，对图像中的字段进行处理，已确定图像中字段的类别。

本申请实施例还涉及一种训练设备，图15为本申请实施例提供的训练设备的一个结构示意图。如图15所示，训练设备1500由一个或多个服务器实现，训练设备1500可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(centralprocessing units，CPU)1514(例如，一个或一个以上处理器)和存储器1532，一个或一个以上存储应用程序1542或数据1544的存储介质1530(例如一个或一个以上海量存储设备)。其中，存储器1532和存储介质1530可以是短暂存储或持久存储。存储在存储介质1530的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对训练设备中的一系列指令操作。更进一步地，中央处理器1514可以设置为与存储介质1530通信，在训练设备1500上执行存储介质1530中的一系列指令操作。

训练设备1500还可以包括一个或一个以上电源1526，一个或一个以上有线或无线网络接口1550，一个或一个以上输入输出接口1558；或，一个或一个以上操作系统1541，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。

具体的，训练设备可以执行图11对应实施例中的模型训练方法。

本申请实施例还涉及一种计算机存储介质，该计算机可读存储介质中存储有用于进行信号处理的程序，当其在计算机上运行时，使得计算机执行如前述执行设备所执行的步骤，或者，使得计算机执行如前述训练设备所执行的步骤。

本申请实施例还涉及一种计算机程序产品，该计算机程序产品存储有指令，该指令在由计算机执行时使得计算机执行如前述执行设备所执行的步骤，或者，使得计算机执行如前述训练设备所执行的步骤。

本申请实施例提供的执行设备、训练设备或终端设备具体可以为芯片，芯片包括：处理单元和通信单元，所述处理单元例如可以是处理器，所述通信单元例如可以是输入/输出接口、管脚或电路等。该处理单元可执行存储单元存储的计算机执行指令，以使执行设备内的芯片执行上述实施例描述的数据处理方法，或者，以使训练设备内的芯片执行上述实施例描述的数据处理方法。可选地，所述存储单元为所述芯片内的存储单元，如寄存器、缓存等，所述存储单元还可以是所述无线接入设备端内的位于所述芯片外部的存储单元，如只读存储器(read-only memory，ROM)或可存储静态信息和指令的其他类型的静态存储设备，随机存取存储器(random access memory，RAM)等。

具体的，请参阅图16，图16为本申请实施例提供的芯片的一个结构示意图，所述芯片可以表现为神经网络处理器NPU 1600，NPU 1600作为协处理器挂载到主CPU(Host CPU)上，由Host CPU分配任务。NPU的核心部分为运算电路1603，通过控制器1604控制运算电路1603提取存储器中的矩阵数据并进行乘法运算。

在一些实现中，运算电路1603内部包括多个处理单元(Process Engine,PE)。在一些实现中，运算电路1603是二维脉动阵列。运算电路1603还可以是一维脉动阵列或者能够执行例如乘法和加法这样的数学运算的其它电子线路。在一些实现中，运算电路1603是通用的矩阵处理器。

举例来说，假设有输入矩阵A，权重矩阵B，输出矩阵C。运算电路从权重存储器1602中取矩阵B相应的数据，并缓存在运算电路中每一个PE上。运算电路从输入存储器1601中取矩阵A数据与矩阵B进行矩阵运算，得到的矩阵的部分结果或最终结果，保存在累加器(accumulator)1608中。

统一存储器1606用于存放输入数据以及输出数据。权重数据直接通过存储单元访问控制器(Direct Memory Access Controller，DMAC)1605，DMAC被搬运到权重存储器1602中。输入数据也通过DMAC被搬运到统一存储器1606中。

BIU为Bus Interface Unit即，总线接口单元1613，用于AXI总线与DMAC和取指存储器(Instruction Fetch Buffer，IFB)1609的交互。

总线接口单元1613(Bus Interface Unit，简称BIU)，用于取指存储器1609从外部存储器获取指令，还用于存储单元访问控制器1605从外部存储器获取输入矩阵A或者权重矩阵B的原数据。

DMAC主要用于将外部存储器DDR中的输入数据搬运到统一存储器1606或将权重数据搬运到权重存储器1602中或将输入数据数据搬运到输入存储器1601中。

向量计算单元1607包括多个运算处理单元，在需要的情况下，对运算电路1603的输出做进一步处理，如向量乘，向量加，指数运算，对数运算，大小比较等等。主要用于神经网络中非卷积/全连接层网络计算，如Batch Normalization(批归一化)，像素级求和，对预测标签平面进行上采样等。

在一些实现中，向量计算单元1607能将经处理的输出的向量存储到统一存储器1606。例如，向量计算单元1607可以将线性函数；或，非线性函数应用到运算电路1603的输出，例如对卷积层提取的预测标签平面进行线性插值，再例如累加值的向量，用以生成激活值。在一些实现中，向量计算单元1607生成归一化的值、像素级求和的值，或二者均有。在一些实现中，处理过的输出的向量能够用作到运算电路1603的激活输入，例如用于在神经网络中的后续层中的使用。

控制器1604连接的取指存储器(instruction fetch buffer)1609，用于存储控制器1604使用的指令；

统一存储器1606，输入存储器1601，权重存储器1602以及取指存储器1609均为On-Chip存储器。外部存储器私有于该NPU硬件架构。

其中，上述任一处提到的处理器，可以是一个通用中央处理器，微处理器，ASIC，或一个或多个用于控制上述程序执行的集成电路。

另外需说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外，本申请提供的装置实施例附图中，模块之间的连接关系表示它们之间具有通信连接，具体可以实现为一条或多条通信总线或信号线。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本申请而言更多情况下软件程序实现是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在可读取的存储介质中，如计算机的软盘、U盘、移动硬盘、ROM、RAM、磁碟或者光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，训练设备，或者网络设备等)执行本申请各个实施例所述的方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。

所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、训练设备或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、训练设备或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的训练设备、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。