一种基于Transformer的重叠文本行分割定位方法及系统

本发明涉及计算机视觉领域，尤其是一种基于Transformer的重叠文本行分割定位方法及系统。该方法包括：输入包含重叠文本行的原始图像，对所述原始图像进行预处理；将预处理后的所述原始图像输入训练好的像素级实例分割模型，分割并输出每个文本行的掩码；提取每个文本行的掩码，并对所述掩码进行后处理，确保所述掩码的连贯性和完整性；针对经过后处理的所述掩码进行文本行的轮廓拟合，通过计算轮廓的几何形状确定每个文本行的边界；根据拟合的文本轮廓生成文本定位信息，得到每个文本行的具体位置、尺寸和形状，完成交叠文本行的定位。本发明技术方案通过引入Transformer技术，提供一种创新的重叠文本分割方法。该方法设计了一种专门针对重叠文本分割的Transformer模型，显著提升了对票据、表单等包含交叠文本的文档图像的处理能力，确保生成高效且精准的结构化数据。