一种UML类图信息提取方法、系统、介质及设备

本发明公开了一种UML类图信息提取方法、系统及设备，旨在解决现有UML类图信息提取依赖人工，效率低且易出错的问题。该方法包括：收集并标注大量不同风格与复杂度的UML类图图像，划分为训练、验证及测试集；构建以卷积神经网络为基础结构的YOLO模型，设置合适参数并利用训练集训练，依损失函数与反向传播算法优化，同时以验证集监控防止过拟合；将待处理UML类图图像输入训练好的模型，识别类矩形轮廓与关系类型符号并确定位置，通过OCR技术提取文本信息，进而提取UML类图信息。本发明显著提高信息提取效率与准确性，且方法可扩展性强，适用于不同领域与风格的UML类图处理，为软件工程相关任务提供有力支持。