端到端的文档检测方法、装置、电子设备及存储介质

本公开提出一种端到端的文档检测方法、装置、电子设备及存储介质，涉及人工智能技术领域，尤其涉及计算机视觉、深度学习、大模型等技术领域。具体实现方案为：将目标文档对应的图像进行特征提取，得到图像特征序列；对目标文档进行段落检测，确定每个段落对应的检测框的位置及尺寸参数；根据每个检测框的位置及尺寸参数，确定目标文档对应的文本特征序列；将图像特征序列及文本特征序列进行融合解码，得到目标文档的阅读顺序。