一种PDF扫描件识别方法、设备及介质

本申请实施例公开了一种PDF扫描件识别方法、设备及介质，属于数据处理技术领域，解决PDF文件中数据类型多样，识别后的文件内容准确率较低的问题。对待识别PDF文件进行拆页，得到多个页面图片，并对多个页面图片进行编码标注；基于页面内容，将多个页面图片进行分类；其中，图片类别包括纯文本图片、复杂版面图片以及自然图片；将分类后的页面图片分别输入相应的信息识别模型，通过多模型协同输出相应的信息内容；其中，信息内容至少包括页面图像对应的识别后的数据以及识别后的数据在页面图像中的位置；基于标注的编码以及信息内容，将多个页面图片对应的信息内容进行组合，以得到待识别PDF文件对应的word文档。