本發明實施例涉及圖像處理技術領域，公開了一種基于題號的精準框題方法、裝置、設備和介質。該方法包括：獲取目標圖像；對所述目標圖像進行識別，得到目標圖像中每一個題號對應的內部輪廓；根據所述題號的級別和順序設置每個內部輪廓對應的標簽值；識別定位坐標點并確定備選輪廓，所述備選輪廓為定位坐標點對應的內部輪廓；根據所述標簽值和備選輪廓確定精選輪廓。實施本發明實施例，精確分析出題目層級，判別大小題進行輸出，對各種排版和格式都具有較好的兼容性，同時還能根據業務需要，靈活調整輸出的范圍，具有很好的適用性。

技術領域

本發明涉及圖像處理技術領域，具體涉及一種基于題號的精準框題方法、裝置、電子設備和存儲介質。

背景技術

當前很多電子教輔設備，都通過與用戶交互的方法，識別用戶意圖。在具體的文本教輔資料場景大中，例如用戶點擊試卷練習冊紙面上的題目，在設備屏幕上返回用戶所指題目區域，在這種場景下，常規題目的返回方法較為直接，僅僅是根據點擊點和題目分割區域的位置關系確定點擊點對應的題目分割區域，并將點擊點對應的題目分割區域內的題目返回到設備屏幕中顯示。當存在用戶所指題目存在大小層級關系時，會產生意圖的混亂，現在常規方法無法判斷大小題，更無法按照用戶意圖返回正確的題目區域。

發明內容

針對所述缺陷，本發明實施例公開了一種基于題號的精準框題方法、裝置、設備和介質，其可以根據用戶意圖，靈活調整輸出范圍。

本發明實施例第一方面公開一種基于題號的精準框題方法，所述方法包括：

獲取目標圖像；

對所述目標圖像進行識別，得到目標圖像中每一個題號對應的內部輪廓；

根據所述題號的級別和順序設置每個內部輪廓對應的標簽值；

識別定位坐標點并確定備選輪廓，所述備選輪廓為定位坐標點對應的內部輪廓；

根據所述標簽值和備選輪廓確定精選輪廓。

作為一種可選的實施方式，在本發明實施例第一方面中，對所述目標圖像進行識別，得到目標圖像中每一個題號對應的內部輪廓，包括：

將所述目標圖像輸入基于深度學習的實例分割模型，獲取每個題號對應的文本輪廓，記為內部輪廓。

作為一種可選的實施方式，在本發明實施例第一方面中，對所述目標圖像進行識別，得到目標圖像中每一個題號對應的內部輪廓，包括：

將所述目標圖像并行輸入基于深度學習的題目識別網絡模型、文本行檢測網絡模型以及題號檢測網絡模型確定題目輪廓、文本行輪廓和題號框；

創建一張空白掩碼圖，所述空白掩碼圖與目標圖像的尺寸相同；

將所述題目輪廓添加至所述掩碼圖中；

根據題號框和文本行輪廓確定題號行的上邊界，并將所述上邊界添加至所述掩碼圖中；

延長所述上邊界的左右端點，以使所述上邊界與題目輪廓相連接，所述上邊界將題目輪廓分割成多個題目區域，每個題目區域構成每個題號對應的內部輪廓。

作為一種可選的實施方式，在本發明實施例第一方面中，根據所述題號的級別和順序設置每個內部輪廓對應的標簽值，包括：

通過題號分類模型獲取每個題號的級別，所述級別包括一級題目、二級題目和三級題目；

按照題號的順序以及題號的級別從上到下、從左到右為所述題號設置標簽值。

作為一種可選的實施方式，在本發明實施例第一方面中，識別定位坐標點并確定備選輪廓，所述備選輪廓為定位坐標點對應的內部輪廓，包括：

將目標圖像輸入預先訓練的基于深度學習的神經網絡識別模型識別點擊點，并確定點擊點對應的定位坐標點；