训练票据识别模型和票据识别的方法和装置

摘要

本公开提供了训练票据识别模型和票据识别的方法和装置，涉及人工智能技术领域，具体为计算机视觉和深度学习技术领域，可应用于图像识别场景下。具体实现方案为：获取训练样本集和初始模型；将选取的训练样本的样本票据图像输入第一特征提取层中，得到第一特征图；将第一特征图输入第一头部层，得到文字框的位置；将第一特征图输入第二特征提取层中，得到第二特征图；将第二特征图输入第二头部层，得到键值对；根据文字框的位置确定出键值对在选取的样本票据图像中对应的字段区域；基于标注信息和字段区域，确定损失值；响应于损失值小于预定阈值，将初始模型确定为票据识别模型。该实施方式可以快速、准确地从票据图像中提取出感兴趣的字段。

说明书

技术领域

本公开涉及人工智能技术领域，具体为计算机视觉和深度学习技术领域，尤其是训练票据识别模型和票据识别的方法和装置。

背景技术

票据是一种重要的结构化信息的文本载体，被广泛用于各种商业场景。而各式各样的票据，版式复杂，项目繁多，并且每天有大量票据被用于报销审核，人力成本消耗大，报账效率低。

目前，提取票据的结构化信息包括以下几种方式：(1)采用检测的方式，对感兴趣字段进行分类和定位，得到结构化信息。(2)通过对分析光学字符识别(Optical CharacterRecognition，OCR)结果的文字信息，进行命名实体识别(Named Entity Recognition，NER)或者关系连接，得到结构化信息。

发明内容

本公开提供了一种训练票据识别模型和票据识别的方法、装置、设备、存储介质以及计算机程序产品。

根据本公开的第一方面，提供了一种训练票据识别模型的方法，包括：获取训练样本集和初始模型，其中，所述训练样本集中的训练样本包括样本票据图像和目标键值对的标注信息，所述初始模型包括第一特征提取层、第一头部层、第二特征提取层和第二头部层；从所述训练样本集中选取训练样本，以及执行以下训练步骤：将选取的训练样本的样本票据图像输入所述第一特征提取层中，得到所述第一特征图；将所述第一特征图输入所述第一头部层，得到文字框的位置；将所述第一特征图输入所述第二特征提取层中，得到第二特征图；将所述第二特征图输入所述第二头部层，得到键值对；根据所述文字框的位置确定出所述键值对在选取的样本票据图像中对应的字段区域；基于所述标注信息和所述字段区域，确定损失值；响应于所述损失值小于预定阈值，将所述初始模型确定为票据识别模型。

根据本公开的第二方面，提供了一种识别票据的方法，包括：获取待识别的票据图像；将所述票据图像输入采用如第一方面所述的方法训练出的票据识别模型中，输出目标键字段和相应的目标值字段。

根据本公开的第三方面，提供了一种训练票据识别模型的装置，包括：获取单元，被配置成获取训练样本集和初始模型，其中，所述训练样本集中的训练样本包括样本票据图像和目标键值对的标注信息，所述初始模型包括第一特征提取层、第一头部层、第二特征提取层和第二头部层；训练单元，被配置成从所述训练样本集中选取训练样本，以及执行以下训练步骤：将选取的训练样本的样本票据图像输入所述第一特征提取层中，得到所述第一特征图；将所述第一特征图输入所述第一头部层，得到文字框的位置；将所述第一特征图输入所述第二特征提取层中，得到第二特征图；将所述第二特征图输入所述第二头部层，得到键值对；根据所述文字框的位置确定出所述键值对在选取的样本票据图像中对应的字段区域；基于所述标注信息和所述字段区域，确定损失值；响应于所述损失值小于预定阈值，将所述初始模型确定为票据识别模型。

根据本公开的第四方面，提供了一种识别票据的装置，包括：获取单元，被配置成获取待识别的票据图像；输出单元，被配置成将所述票据图像输入采用如第三方面所述的装置训练出的票据识别模型中，输出目标键字段和相应的目标值字段。

根据本公开的第五方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法。

根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据第一方面所述的方法。

根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据第一方面所述的方法。

本申请实施例提供的训练票据识别模型和票据识别方法、装置、设备、存储介质、计算机程序产品，先粗粒度通过第一特征提取层和第一头部层提取所有文字信息，然后通过二特征提取层和第二头部层对所有文字信息进行细粒度分类，提取出我们需要的键字段和值字段。提高了识别准确率和识别速度。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图用于更好地理解本方案，不构成对本公开的限定。其中：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请训练票据识别模型的方法的一个实施例的流程图；

图3是根据本申请训练票据识别模型的方法的一个应用场景的示意图；

图4是根据本申请训练票据识别模型的装置的一个实施例的结构示意图；

图5是根据本申请票据识别的方法的一个实施例的流程图；

图6是根据本申请票据识别的装置的一个实施例的结构示意图；

图7是用来实现本公开实施例的训练票据识别模型或票据识别的方法的电子设备的框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1示出了可以应用本申请实施例的训练票据识别模型的方法、训练票据识别模型的装置、票据识别的方法或票据识别的装置的示例性系统架构100。

如图1所示，系统架构100可以包括终端101、102，网络103、数据库服务器104和服务器105。网络103用以在终端101、102，数据库服务器104与服务器105之间提供通信链路的介质。网络103可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户110可以使用终端101、102通过网络103与服务器105进行交互，以接收或发送消息等。终端101、102上可以安装有各种客户端应用，例如模型训练类应用、票据识别类应用、购物类应用、支付类应用、网页浏览器和即时通讯工具等。

这里的终端101、102可以是硬件，也可以是软件。当终端101、102为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、膝上型便携计算机和台式计算机等等。当终端101、102为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

当终端101、102为硬件时，其上还可以安装有图像采集设备。图像采集设备可以是各种能实现采集图像功能的设备，如摄像头、传感器等等。用户110可以利用终端101、102上的图像采集设备，来采集各种票据的图像，例如医疗票据。

数据库服务器104可以是提供各种服务的数据库服务器。例如数据库服务器中可以存储有样本集。样本集中包含有大量的样本。其中，样本可以包括样本票据图像以及与样本票据图像对应的目标键值对的标注信息。这样，用户110也可以通过终端101、102，从数据库服务器104所存储的样本集中选取样本。

服务器105也可以是提供各种服务的服务器，例如对终端101、102上显示的各种应用提供支持的后台服务器。后台服务器可以利用终端101、102发送的样本集中的样本，对初始模型进行训练，并可以将训练结果(如生成的票据识别模型)发送给终端101、102。这样，用户可以应用生成的票据识别模型进行票据识别。

这里的数据库服务器104和服务器105同样可以是硬件，也可以是软件。当它们为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当它们为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的训练票据识别模型的方法或票据识别的方法一般由服务器105执行。相应地，训练票据识别模型的装置或票据识别的装置一般也设置于服务器105中。

需要指出的是，在服务器105可以实现数据库服务器104的相关功能的情况下，系统架构100中可以不设置数据库服务器104。

应该理解，图1中的终端、网络、数据库服务器和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端、网络、数据库服务器和服务器。

继续参见图2，其示出了根据本申请的训练票据识别模型的方法的一个实施例的流程200。该训练票据识别模型的方法可以包括以下步骤：

步骤201，获取训练样本集和初始模型。

在本实施例中，训练票据识别模型的方法的执行主体(例如图1所示的服务器105)可以通过多种方式来获取训练样本集。例如，执行主体可以通过有线连接方式或无线连接方式，从数据库服务器(例如图1所示的数据库服务器104)中获取存储于其中的现有的训练样本集。再例如，用户可以通过终端(例如图1所示的终端101、102)来收集训练样本。这样，执行主体可以接收终端所收集的训练样本，并将这些训练样本存储在本地，从而生成训练样本集。其中，训练样本集中的训练样本包括样本票据图像和目标键值对的标注信息。样本票据图像中有多很种键值对(key-value)，例如，{键：工作单位，值：清华大学}、{键：入院日期，值：2021-2-4}等。而用户感兴趣的不是工作单位，而是入院日期，则将入院日期设置为目标键，目标键对应的值即为目标值。这样可以减少分类的类别数量，缩短识别时间，提高准确度。例如，一张票据有30个键值对，而用户感兴趣的就只有3个，则可设置3个目标键值对，这样可以降低计算量。目标键值对的标注信息是对属于目标键值对的区域中每个像素点的标注信息，详细标注了目标键值对中的目标键和目标值。

初始模型可以是基于机器学习技术而创建的现有的各种神经网络模型。该神经网络模型可以具有现有的各种神经网络结构(例如DenseBox、VGGNet、ResNet、SegNet等)。初始模型的存储位置在本申请中同样不限制。初始模型可包括第一特征提取层、第一头部层、第二特征提取层和第二头部层。

步骤202，从训练样本集中选取训练样本。

在本实施例中，执行主体可以从步骤201中获取的训练样本集中选取训练样本，以及执行步骤203至步骤209的训练步骤。其中，训练样本的选取方式和选取数量在本申请中并不限制。例如可以是随机选取至少一个训练样本，也可以是从中选取样本票据图像的清晰度较好(即像素较高)的训练样本。

步骤203，将选取的训练样本的样本票据图像输入第一特征提取层中，得到第一特征图。

在本实施例中，执行主体可以将步骤202中选取的训练样本的样本票据图像输入初始模型的第一特征提取层。第一特征提取层是一种用于提取图像特征的深度学习网络(Deep Learning Network，DLN)，例如，卷积神经网络(Convolutional Neural Network，CNN)。提取出的第一特征图中包括样本票据图像的所有文字的特征。

步骤204，将第一特征图输入第一头部层，得到文字框的位置。

在本实施例中，第一头部层是一种神经网络，可以是现有技术常见的图像分割网络，例如CNN。第一头部层能够分割出第一特征图中的属于文字的像素点，从而确定出文字框的位置。由于第一特征图的尺寸要比原始的票据图像的尺寸小，因此第一头部层不仅能确定出第一特征图中的属于文字的像素点的位置，还能确定出对应到票据图像中的文字框的位置。

步骤205，将第一特征图输入第二特征提取层中，得到第二特征图。

在本实施例中，第二特征提取层是一种用于提取图像特征的深度学习网络，例如，CNN、UNet等。网络结构与第一特征提取层不同，第一特征提取层输出的第一特征图尺寸要小于原始的票据图像，而第二特征提取层输出的第二特征图的尺寸和第一特征图相同。第二特征图中包括感兴趣的键值对的特征。

步骤206，将第二特征图输入第二头部层，得到键值对。

在本实施例中，第二头部层是一种用于分类的神经网络。可以判断出第二特征图中哪些像素点属于键值对。而根据样本票据图像上的目标键值对的标注信息，确定要识别出哪些类别。比如一共30个键值对，只要求识别出出院日期、入院日期、费用这3个目标键及对应的值，则第二头部层可以是3分类器，3个目标键值对分别对应一个类别。

步骤207，根据文字框的位置确定出键值对在选取的样本票据图像中对应的字段区域。

在本实施例中，第二特征图中键值对的位置需要根据步骤204确定出的文字框的位置映射到样本票据图像中，得到了字段区域，是一个矩形区域，该区域中不仅包括了属于字的像素点，还包括属于背景的像素点。

步骤208，基于标注信息和字段区域，确定损失值。

在本实施例中，标注信息中标注的也是目标键值对所在的矩形区域。将该矩形区域中每个像素点与字段区域中的相同位置的像素点进行比较，计算出属于类别不同的像素点的个数作为损失值。例如，如果矩形区域某个像素点属于文字，而字段区域中相同位置的像素点属于背景，则损失值加1。

步骤209，响应于损失值小于预定阈值，将初始模型确定为票据识别模型。

在本实施例中，如果损失值小于预定阈值，说明预测结果和期望结果非常接近，模型达到了预定的准确率，训练完成。

步骤210，响应于损失值不小于预定阈值，调整初始模型中的相关参数，继续执行训练步骤202-210。

在本实施例中，如果训练未完成，则需要调整初始模型中的相关参数，通过神经网络反向传播机制，引导第一特征图具备所有的文字特征。

本公开的上述实施例提供的方法通过先粗粒度的确定出所有的文字，再细粒度地对所有文字进行分类，提取出用户感兴趣的键值对，即先用一个二分类器过滤掉背景，再对保留的文字按需求进行分类。减轻了神经网络的负担，降低了学习难度。还提高了模型的准确率。

在本实施例的一些可选的实现方式中，第一头部层包括第一分支和第二分支；以及将第一特征图输入第一头部层，得到文字框的位置，包括：将第一特征图输入第一分支，确定出第一特征图中属于文字的像素点；将第一特征图输入第二分支，确定出第一特征图中每个像素点的四角点在选取的样本票据图像中的位置；确定出第一特征图中属于文字的像素的四角点在样本票据图像中的位置，得到文字框的位置。对于第一特征图上的每个像素点，第一头部层不仅可以预测该像素点所属的类别(文字或背景)的概率，还可以预测该像素点对应的四角点。四角点可以是对应的像素点回归的四个点。以四角点为顶点的框就是文字框。提高了预测准确率。

在本实施例的一些可选的实现方式中，第二头部层包括键分支和值分支；以及将第二特征图输入第二头部层，得到键值对，包括：将第二特征图输入键分支，确定出属于目标键的像素点在第二特征图中的位置；将第二特征图输入值分支，确定出属于目标值的像素点在第二特征图中的位置。从而可以明确地区分出键和值，方便用户提取感兴趣的信息。

在本实施例的一些可选的实现方式中，键分支包括第一卷积层和键分类器，值分支包括第二卷积层和值分类器；以及将第二特征图输入第二头部层，得到键值对，包括：将第二特征图输入键分支的第一卷积层，得到第一卷积结果；将第一卷积结果输入键分类器，确定出属于目标键的像素点在第二特征图中的位置；将第二特征图输入值分支的第二卷积层，得到第二卷积结果；将第一卷积结果和第二卷积结果相加后输入值分类器，确定出属于目标值的像素点在第二特征图中的位置。通过加法器将第一卷积结果(键特征)和第二卷积结果(值特征)进行合成，通过键特征对值特征进行了隐式的监督学习，提升了识别票据识别的准确率。

在本实施例的一些可选的实现方式中，第一特征提取层包括：主干网络层和特征金字塔网络层。

在本实现方式中，上述执行主体可以利用主干网络(backbone)层对票据图像进行特征提取；之后，利用特征金字塔网络(Feature Pyramid Network，FPN)层，将主干网络层提取的特征进行提取，得到第一特征图。可以提高特征提取的准确率和速度。

在本实施例的一些可选的实现方式中，第二特征提取层为UNet。通过对网络参数的修改，使得网络的输入输出保持一致，并实现特征过滤功能，只保留目标键和目标值的特征。

进一步参见图3，图3是根据本实施例的训练票据识别模型的方法的一个应用场景的示意图。在图3的应用场景中，用户所使用的终端上可以安装有模型训练类应用。当用户打开该应用，并上传训练样本集(例如，医疗票据预先标注了目标键和目标值，例如{键：入院日期，值：2021-2-4}，{键：本次医疗费用总额，值：15095.01}，{键：出院日期，值：2018-09-08}。)或训练样本集的存储路径后，对该应用提供后台支持的服务器可以运行训练票据识别模型的方法，包括：

将图中所示的医疗票据输入初始模型的第一特征提取层，提取出该医疗票据中所有文字特征，即第一特征图。然后将第一特征图分两部分处理，右上分支为第一头部层，用于提取出所有的文字框位置。通过神经网络反向传播机制，引导第一特征图具备所有的文字特征。右下分支是第二头部层，用于进行具体的文字类别细粒度分类，用于将检测出的文字进行分类，确定哪些是目标键和目标值。

为了加强特征提取能力，本公开借鉴经典的Unet网络作为第二特征提取层，通过对网络参数的修改，使得网络的输入输出保持一致。在第二头部层中增加额外的键分支，并将特征引入值分支上。通过这种隐式的监督学习，增加网络对感兴趣字段的分类能力。

实验表明，相比于原始的只检测值，通过引入键的特征，分类准确率提高5.5％,(78.7％->84.2％)，检测准确率提升7％(63.4％->70.4％)。

请参见图4，其示出了本申请提供的识别票据的方法的一个实施例的流程400。该识别票据的方法可以包括以下步骤：

步骤401，获取待识别的票据图像。

在本实施例中，识别票据的方法的执行主体(例如图1所示的服务器105)可以通过多种方式来获取待识别的票据图像。例如，执行主体可以通过有线连接方式或无线连接方式，从数据库服务器(例如图1所示的数据库服务器104)中获取存储于其中的票据图像。再例如，执行主体也可以接收终端(例如图1所示的终端101、102)或其他设备采集的票据图像。

在本实施例中，票据图像同样可以是彩色图像和/或灰度图像等等。且该票据图像的格式在本申请中也不限制。

步骤402，将所述票据图像输入票据识别模型中，输出目标键字段和相应的目标值字段。

在本实施例中，执行主体可以将步骤401中获取的票据图像输入票据识别模型中，从而生成检测对象的票据识别结果。票据识别结果可以是用于描述图像中票据的信息。例如票据识别结果可以包括是否在图像中检测到票据，以及在检测到票据情况下的目标键值对等。

在本实施例中，票据识别模型可以是采用如上述图2实施例所描述的方法而生成的。具体生成过程可以参见图2实施例的相关描述，在此不再赘述。

需要说明的是，本实施例票据识别的方法可以用于测试上述各实施例所生成的票据识别模型。进而根据测试结果可以不断地优化票据识别模型。该方法也可以是上述各实施例所生成的票据识别模型的实际应用方法。采用上述各实施例所生成的票据识别模型，来进行票据识别，有助于提高票据识别的性能。如找到的票据较多，找到的票据信息比较准确等。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种训练票据识别模型的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的训练票据识别模型的装置500包括：获取单元501和训练单元502。其中，获取单元501，被配置成获取训练样本集和初始模型，其中，训练样本集中的训练样本包括样本票据图像和目标键值对的标注信息，初始模型包括第一特征提取层、第一头部层、第二特征提取层和第二头部层。训练单元502，被配置成从训练样本集中选取训练样本，以及执行以下训练步骤：将选取的训练样本的样本票据图像输入第一特征提取层中，得到第一特征图。将第一特征图输入第一头部层，得到文字框的位置。将第一特征图输入第二特征提取层中，得到第二特征图。将第二特征图输入第二头部层，得到键值对。根据文字框的位置确定出键值对在选取的样本票据图像中对应的字段区域。基于标注信息和字段区域，确定损失值。响应于损失值小于预定阈值，将初始模型确定为票据识别模型。

在本实施例的一些可选的实现方式中，装置500还包括调整单元503，被配置成：响应于损失值不小于预定阈值，调整初始模型中的相关参数，以及从训练样本集中重新选取训练样本，继续执行训练步骤。

在本实施例的一些可选的实现方式中，第一头部层包括第一分支和第二分支。以及训练单元502进一步被配置成：将第一特征图输入第一分支，确定出第一特征图中属于文字的像素点。将第一特征图输入第二分支，确定出第一特征图中每个像素点的四角点在选取的样本票据图像中的位置。确定出第一特征图中属于文字的像素的四角点在样本票据图像中的位置，得到文字框的位置。

在本实施例的一些可选的实现方式中，第二头部层包括键分支和值分支。以及训练单元502进一步被配置成：将第二特征图输入键分支，确定出属于目标键的像素点在第二特征图中的位置。将第二特征图输入值分支，确定出属于目标值的像素点在第二特征图中的位置。

在本实施例的一些可选的实现方式中，键分支包括第一卷积层和键分类器，值分支包括第二卷积层和值分类器。以及训练单元502进一步被配置成：将第二特征图输入键分支的第一卷积层，得到第一卷积结果。将第一卷积结果输入键分类器，确定出属于目标键的像素点在第二特征图中的位置。将第二特征图输入值分支的第二卷积层，得到第二卷积结果。将第一卷积结果和第二卷积结果相加后输入值分类器，确定出属于目标值的像素点在第二特征图中的位置。

在本实施例的一些可选的实现方式中，第一特征提取层包括：主干网络层和特征金字塔网络层。

在本实施例的一些可选的实现方式中，第二特征提取层为UNet。

根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

进一步参考图6，作为对上述各图所示方法的实现，本公开提供了一种票据识别的装置的一个实施例，该装置实施例与图4所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例的票据识别的装置600包括：获取单元601和输出单元602。其中，获取单元601，被配置成获取待识别的票据图像；输出单元602，被配置成将所述票据图像输入采用如权利要求9-15之中任一项所述的装置训练出的票据识别模型中，输出目标键字段和相应的目标值字段。

一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行流程200或400所述的方法。

一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据流程200或400所述的方法。

一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据流程200或400所述的方法。

图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如训练票据识别模型或票据识别的方法。例如，在一些实施例中，训练票据识别模型或票据识别的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的训练票据识别模型或票据识别的方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行训练票据识别模型或票据识别的方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。服务器可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。