结构图还原、处理方法、装置、设备及存储介质与流程

1.本技术涉及计算机应用技术领域，特别是涉及一种结构图还原、处理处理方法、装置、设备及存储介质。


背景技术：

2.如今，在学习、办公等各种场景中思维导图、脑图、流程图等结构图的应用越来越广泛。以思维导图为例，思维导图是表达发散性思维的有效图形思维工具，可以运用图文并重的技巧，把各级主题的关系用相互隶属与相关的层级图表现出来，可以用一个中央关键词或想法以辐射线形式连接所有的代表字词、想法、任务或其他关联项目的图解方式。
3.用户可以根据实际需求制作结构图，但是从零开始制作需要耗费较长的时间和较多的精力，如果能够利用网络中或者资源库中已有的结构图，对其进行编辑，将会节省很多时间和精力。但已有的结构图多处于不可编辑状态，如图片形式，无法直接对其进行编辑，这就需要对结构图进行还原操作，将图片形式的结构图还原为可编辑形式的结构图。而一张结构图可以划分为结构层次和文本内容两个部分。对于结构层次部分，可看作是由节点和导引线组成的结构。所以，对结构图进行还原操作的一个基础且重要的操作就是对结构图中的节点进行识别。
4.目前，多是通过人工方式对结构图中的节点逐一进行识别。通过这种方式进行结构图的节点识别，容易出现漏检、误检等情况，且人力成本较高，节点识别效率较低，从而导致无法快速准确地对结构图进行还原，降低了结构图的利用率。


技术实现要素：

5.本技术的目的是提供一种结构图还原、处理方法、装置、设备及存储介质，以节省人力成本，提高节点识别准确率和效率，进而提高结构图利用率。
6.为解决上述技术问题，本技术提供如下技术方案：
7.一种结构图还原方法，包括：
8.获得源结构图，所述源结构图处于不可编辑状态；
9.利用节点识别网络对所述源结构图中的节点进行识别，获得节点识别结果，其中，所述节点识别网络用于根据学习到的结构图样本中的节点所在图像区域的图像特征，对所述源结构图中的节点进行识别；
10.基于所述节点识别结果，将所述源结构图还原为可编辑状态的目标结构图。
11.在本技术的一种具体实施方式中，通过以下步骤获得所述节点识别网络：
12.接收结构图样本，所述结构图样本处于不可编辑状态；
13.确定所述结构图样本的标注信息，所述标注信息是按照预置的节点定义信息，对所述结构图样本中的节点所在图像区域进行标注后生成的；
14.利用所述结构图样本以及标注信息，训练获得所述节点识别网络。
15.在本技术的一种具体实施方式中，所述确定所述结构图样本的标注信息，包括：
16.确定在所述结构图样本中的节点所在图像区域添加的标注框，以及所述标注框在所述结构图样本中的位置信息；
17.相应的，所述利用所述结构图样本以及标注信息，训练获得所述节点识别网络，包括：
18.根据所述结构图样本以及所述标注框的位置信息，对节点识别网络进行训练。
19.在本技术的一种具体实施方式中，所述根据所述结构图样本以及所述标注框的位置信息，对节点识别网络进行训练，包括：
20.将所述结构图样本以及所述标注框的位置信息作为输入信息，对节点识别网络进行训练。
21.在本技术的一种具体实施方式中，所述节点定义信息包括：多种节点图形类型的定义信息；所述标注信息还包括：节点图形类型信息；所述节点识别网络通过学习多种节点图形类型的节点所在图像区域的图像特征，对待进行结构图还原的源结构图中的节点位置以及节点图形类型进行识别。
22.在本技术的一种具体实施方式中，还包括：
23.根据设定的时间间隔或者更新指令，更新所述结构图样本，以基于更新后的所述结构图样本更新所述节点识别网络。
24.在本技术的一种具体实施方式中，在所述获得节点识别结果之后、所述基于所述节点识别结果，将所述源结构图还原为可编辑状态的目标结构图之前，还包括：
25.输出展示在所述源结构图中标记的所述节点识别结果；
26.根据接收到的对所述节点识别结果的调整指令，对所述节点识别结果进行调整。
27.在本技术的一种具体实施方式中，所述源结构图为初始结构图，或者为在所述初始结构图中截取的部分区域图。
28.一种结构图处理方法，包括：
29.获得源结构图，所述源结构图处于不可编辑状态；
30.将所述源结构图还原为可编辑状态的目标结构图；
31.通过编辑界面输出展示所述目标结构图，并在所述编辑界面提供编辑操作控件，以利用所述编辑操作控件对所述目标结构图进行编辑。
32.在本技术的一种具体实施方式中，所述将所述源结构图还原为可编辑状态的目标结构图，包括：
33.利用节点识别网络对所述源结构图中的节点进行识别，获得节点识别结果，其中，所述节点识别网络用于根据学习到的结构图样本中的节点所在图像区域的图像特征，对所述源结构图中的节点进行识别；
34.基于所述节点识别结果，将所述源结构图还原为可编辑状态的目标结构图。
35.一种结构图还原装置，包括：
36.结构图第一获得模块，用于获得源结构图，所述源结构图处于不可编辑状态；
37.节点识别模块，用于利用节点识别网络对所述源结构图中的节点进行识别，获得节点识别结果，其中，所述节点识别网络用于根据学习到的结构图样本中的节点所在图像区域的图像特征，对所述源结构图中的节点进行识别；
38.结构图还原模块，用于基于所述节点识别结果，将所述源结构图还原为可编辑状
态的目标结构图。
39.一种结构图处理装置，包括：
40.结构图第二获得模块，用于获得源结构图，所述源结构图处于不可编辑状态；
41.结构图还原模块，用于将所述源结构图还原为可编辑状态的目标结构图；
42.结构图编辑模块，用于通过编辑界面输出展示所述目标结构图，并在所述编辑界面提供编辑操作控件，以利用所述编辑操作控件对所述目标结构图进行编辑。
43.一种结构图处理设备，包括：
44.存储器，用于存储计算机程序；
45.处理器，用于执行所述计算机程序时实现上述任一项所述的结构图还原方法的步骤、和/或上述所述的结构图处理方法的步骤。
46.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的结构图还原方法的步骤、和/或上述所述的结构图处理方法的步骤。
47.一种计算机程序产品，所述计算机程序产品包括计算机指令，所述计算机指令存储在计算机可读存储介质中，且适于由处理器读取并执行，以使得具有所述处理器的计算机设备执行上述任一项所述的结构图还原方法、和/或上述所述的结构图处理方法。
48.应用本技术实施例所提供的技术方案，在获得处于不可编辑状态的源结构图后，利用节点识别网络对源结构图中的节点进行识别，获得节点识别结果，再基于节点识别结果，将源结构图还原为可编辑状态的目标结构图。通过节点识别网络可以准确、快速地识别出源结构图中包含的节点，减少了漏检、误检情况的发生，节省了人力成本，提高了节点识别的准确率和效率，为结构图还原整体操作提供了基础保障，有助于快速、准确地对结构图进行还原，提高结构图的利用率；
49.再有，将处于不可编辑状态的源结构图还原为可编辑状态的目标结构图后，通过编辑界面输出展示目标结构图，并在编辑界面提供编辑操作控件，这样方便用户利用编辑操作控件对目标结构图进行编辑，以获得满足用户实际需求的结构图，方便用户使用，提高了结构图的利用率。
附图说明
50.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
51.图1为本技术实施例中结构图处理系统的组成架构示意图；
52.图2为本技术实施例中一种结构图还原方法的实施流程图；
53.图3为本技术实施例中一种节点识别网络获得方法的实施流程图；
54.图4为本技术实施例中结构图样本的第一具体示例示意图；
55.图5为本技术实施例中结构图样本的第二具体示例示意图；
56.图6为本技术实施例中结构图样本的第三具体示例示意图；
57.图7为本技术实施例中源结构图的具体示例示意图；
58.图8为识别出的图7所示源结构图包含的节点的示意图；
59.图9为本技术实施例中源结构图获得方式的具体示例示意图；
60.图10为本技术实施例中一种结构图处理方法的实施流程图；
61.图11为与图2所示方法实施例对应的结构图还原装置的结构示意图；
62.图12为与图10所示方法实施例对应的结构图处理装置的结构示意图；
63.图13为本技术实施例中一种结构图处理设备的结构示意图。
具体实施方式
64.为了使本技术领域的人员更好地理解本技术方案，下面结合附图和具体实施方式对本技术作进一步的详细说明。显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
65.本技术的核心是提供一种结构图还原方法，该方法在获得处于不可编辑状态的源结构图后，利用节点识别网络对源结构图中的节点进行识别，获得节点识别结果，再基于节点识别结果，将源结构图还原为可编辑状态的目标结构图。其中，节点识别网络用于根据学习到的结构图样本中的节点所在图像区域的图像特征，对源结构图中的节点进行识别，可以快速、准确地进行节点识别，进而有助于对源结构图进行快速、准确地还原，提高结构图利用率。本技术实施例的技术方案利用节点识别网络对源结构图中的节点进行识别，节省了人力成本，提高了节点识别的准确率和效率，为结构图快速、准确还原提供了基础保障，提高了结构图利用率。
66.为了便于理解，下面先对本技术的技术方案所适用的系统的组成架构进行介绍。参见图1，其示出了结构图处理系统的组成架构。该系统可以包括应用客户端和应用服务器。
67.用户可以根据实际需求在网络中或者资源库中查找有可能能够满足实际需求的源结构图，然后，用户可以通过应用客户端的人机交互界面将源结构图输入到应用客户端中。或者，用户可以通过应用客户端的人机交互界面输入根据实际需求确定的关键词，应用客户端根据用户输入的关键词在网络中或者资源库中查找与关键词匹配的结构图，并将查找到的结构图通过人机交互界面输出展示给用户，用户从中选择满足实际需求的源结构图。这样应用客户端即获得了源结构图。源结构图处于不可编辑状态。
68.应用客户端获得源结构图后，可以将源结构图通过网络传输给应用服务器。应用服务器获得源结构图后，可以利用节点识别网络对源结构图中的节点进行识别，获得节点识别结果，并基于节点识别结果，将源结构图还原为可编辑状态的目标结构图。应用服务器利用节点识别网络可以快速、准确地对源结构图中的节点进行识别，节省了人力成本，提高了节点识别的准确率和效率。具体的，应用服务器还可以进行文本识别、结构搜索、结构文字对应等操作，最后将节点识别结果与这些操作得到的源结构图中其他内容的识别结果相结合，得到可编辑状态的目标结构图，实现对源结构图的还原。应用服务器可以将还原得到的目标结构图返回给应用客户端。应用客户端可以将其输出展示给用户，并向用户提供编辑操作控件，如操作按钮等，方便用户对其进行编辑，提高了结构图的利用率。
69.需要说明的是，以上是以应用服务器为一台独立的服务器为例进行的说明，但是
可以理解的是，在实际应用中，应用服务器也可以被替换为应用服务器集群，或者由多台应用服务器构成的分布式集群。相应的，在图1中，该应用服务器也可以替换为由多台服务器构成的应用平台。
70.以上通过结构图处理系统对结构图还原总体过程进行了简单描述，在结构图还原操作中，结构图节点识别是其中最基础且重要的操作，其他有些操作需依赖于识别出的节点进行。下面对本技术实施例所提供的结构图还原方法进行详细说明。
71.参见图2所示，为本技术实施例所提供的一种结构图还原方法的实施流程图，该方法可以包括以下步骤：
72.s210：获得源结构图。
73.源结构图处于不可编辑状态。
74.源结构图可以是现有的任意一张结构图，如思维导图、脑图、流程图等，处于不可编辑状态，如为图片格式或者其他只读文件格式。其可以是用户根据实际需求在网络中或者资源库中查找到的可能能够满足实际需求的结构图，还可以是根据用户提供的关键词向用户推荐的结构图。
75.获得源结构图后，可以继续后续步骤的操作。
76.s220：利用节点识别网络对源结构图中的节点进行识别，获得节点识别结果。
77.其中，节点识别网络用于根据学习到的结构图样本中的节点所在图像区域的图像特征，对源结构图中的节点进行识别。
78.在本技术实施例中，可以预先训练得到节点识别网络。具体的，节点识别网络可以是基于深度学习的目标检测模型。通过对结构图样本中的节点所在图像区域的图像特征进行学习，可以训练得到节点识别网络。
79.获得处于不可编辑状态的源结构图后，可以利用节点识别网络对源结构图中的节点进行识别，获得节点识别结果。
80.s230：基于节点识别结果，将源结构图还原为可编辑状态的目标结构图。
81.利用节点识别网络对源结构图中的节点进行识别，可以获得节点识别结果。源结构图中的节点可以具有一种或多种节点图形类型，如点类型、块类型等。点类型节点可称为node类型节点，可以通过单点的像素点坐标表示，块类型节点可称为block类型节点，可以通过一系列点的像素坐标表示。
82.获得节点识别结果后，可以基于节点识别结果，将源结构图还原为可编辑状态的目标结构图。具体的，可以根据节点识别结果以及源结构图中其他内容的识别结果，如导引线识别结果、文本识别结果、结构文本对应识别结果等，将源结构图还原为可编辑状态的目标结构图。
83.利用节点识别网络快速、准确地识别出源结构图中包含的节点，为后续结构搜索、结构文字对应等操作的准确进行提供了基础保障。基于节点识别结果结合文本识别、结构搜索、结构文字对应等操作得到的识别结果，可以对源结构图进行快速、准确地还原，可以提高结构图利用率。
84.应用本技术实施例所提供的方法，在获得处于不可编辑状态的源结构图后，利用节点识别网络对源结构图中的节点进行识别，获得节点识别结果，再基于节点识别结果，将源结构图还原为可编辑状态的目标结构图。通过节点识别网络可以准确、快速地识别出源
结构图中包含的节点，减少了漏检、误检情况的发生，节省了人力成本，提高了节点识别的准确率和效率，为结构图还原整体操作提供了基础保障，有助于快速、准确地对结构图进行还原，提高结构图的利用率。
85.在本技术的一个实施例中，在获得节点识别结果之后、基于节点识别结果，将源结构图还原为可编辑状态的目标结构图之前，该方法还可以包括以下步骤：
86.步骤一：输出展示在源结构图中标记的节点识别结果；
87.步骤二：根据接收到的对节点识别结果的调整指令，对节点识别结果进行调整。
88.为便于描述，将上述两个步骤结合起来进行说明。
89.在本技术实施例中，在利用节点识别网络对源结构图中的节点进行识别，获得节点识别结果之后，可以将识别出的节点在源结构图中进行标记，输出展示在源结构图中标记的节点识别结果。用户可以依据源结构图对节点识别结果进行调整，如进行增删等调整。根据接收到的对节点识别结果的调整指令，可以对节点识别结果进行调整。这样将进一步提高节点识别结果的准确性。
90.然后再基于调整后的节点识别结果，将源结构图还原为可编辑状态的目标结构图，提高结构图还原的准确性。
91.本技术实施例中节点识别网络用于根据学习到的结构图样本中的节点所在图像区域的图像特征，对源结构图中的节点进行识别。下面进一步说明如何获得节点识别网络。
92.参见图3所示，为本技术实施例所提供的一种节点识别网络获得方法的实施流程图，该方法可以包括以下步骤：
93.s310：接收结构图样本。
94.结构图样本处于不可编辑状态。
95.可以通过网络搜索、数据采集、图形绘制等方式获得结构图样本。结构图样本处于不可编辑状态。
96.s320：确定结构图样本的标注信息。
97.标注信息是按照预置的节点定义信息，对结构图样本中的节点所在图像区域进行标注后生成的。
98.在本技术实施例中，可以预置节点定义信息。节点定义信息可以提供给技术人员，技术人员按照节点定义信息，可以对结构图样本中的节点所在图像区域进行标注，从而生成结构图样本的标注信息。或者，可以通过标注工具按照节点定义信息对结构图样本中的节点所在图像区域进行自动标注，生成结构图样本的标注信息。
99.接收到结构图样本并确定出结构图样本的标注信息后，可以继续执行后续步骤的操作。
100.s330：利用结构图样本以及标注信息，训练获得节点识别网络。
101.在本技术实施例中，节点识别网络具体可以为基于深度学习的目标检测模型。接收到结构图样本，并确定出结构图样本的标注信息后，可以利用结构图样本以及标注信息，对节点识别网络进行训练。结构图样本可以有多种样式，每种样式可以有多个。结构图样本样式越多，数量越大，越有利于对节点识别网络的训练，有利于提高节点识别网络的节点识别准确率。
102.在利用结构图样本以及标注信息，对节点识别网络进行训练过程中，节点识别网
络可以对结构图样本中的节点所在图像区域的图像特征进行学习，同时还可以对结构图样本的全局特征进行学习，不断调整节点识别网络的参数，并可以基于节点识别网络的输出结果与结构图样本的标注信息对节点识别网络的识别准确度进行确定，当节点识别网络的识别准确度未达到设定准确度阈值时，可以继续利用结构图样本以及标注信息，对节点识别网络进行训练，当节点识别网络的识别准确度达到设定准确度阈值时，可以将当前得到的节点识别网络进行应用，对待进行结构图还原的源结构图中的节点进行识别。进而根据节点识别结果以及源结构图中其他内容的识别结果，将源结构图还原为可编辑状态的目标结构图。
103.应用本技术实施例所提供的方法，在接收到结构图样本并确定出结构图样本的标注信息后，利用结构图样本以及标注信息，对节点识别网络进行训练，这样节点识别网络可以学习到结构图样本中的节点所在图像区域的图像特征，从而可以对待进行结构图还原的源结构图中的节点进行识别。节点识别网络通过对结构图样本的学习，可以准确识别到源结构图中的节点，节省了人力成本，提高了节点识别的准确率和效率。
104.在本技术的一个实施例中，确定结构图样本的标注信息，可以包括以下步骤：
105.确定在结构图样本中的节点所在图像区域添加的标注框，以及标注框在结构图样本中的位置信息；
106.相应的，利用结构图样本以及标注信息，训练获得节点识别网络，可以包括以下步骤：
107.根据结构图样本以及标注框的位置信息，对节点识别网络进行训练。
108.在本技术实施例中，可以按照预置的节点定义信息，确定结构图样本中的节点，然后对结构图样本中的节点所在图像区域添加标注框，标注框可以是多边形框，还可以是圆形、椭圆形等形状的框。每个节点可以对应一个标注框，标注框需将结构图样本中的节点包围。
109.确定结构图样本的标注信息具体可以是确定结构图样本中的节点所在图像区域添加的标注框，以及标注框在结构图样本中的位置信息。该位置信息可以通过像素坐标表示。
110.根据结构图样本以及标注框的位置信息，可以对节点识别网络进行训练。具体的，可以将结构图样本以及标注框的位置信息作为输入信息，对节点识别网络进行训练。
111.在本技术实施例中，在接收到结构图样本，并确定出在结构图样本中的节点所在图像区域添加的标注框，以及标注框在结构图样本中的位置信息后，可以将结构图样本以及标注框的位置信息作为输入信息，输入到节点识别网络中，节点识别网络可以基于标注框的位置信息，确定结构图样本中的节点所在图像区域，可以对确定出的节点所在图像区域的局部特征进行学习，同时还可以对包含节点所在图像区域的结构图样本的全局特征进行学习，以对节点识别网络进行训练。
112.将结构图样本以及标注框的位置信息作为输入信息，对节点识别网络进行训练，由节点识别网络对节点所在图像区域进行识别，可以提高训练准确性。
113.在本技术的一个实施例中，节点定义信息可以包括：多种节点图形类型的定义信息；标注信息还可以包括节点图形类型信息；节点识别网络通过学习多种节点图形类型的节点所在图像区域的图像特征，对待进行结构图还原的源结构图中的节点位置以及节点图
形类型进行识别。
114.在本技术实施例中，节点定义信息可以包括多种节点图形类型的定义信息，如节点图形类型为点类型、块类型。
115.节点定义信息可以包括以下信息：
116.针对每条导引线的每个端点，如果当前导引线的当前端点不是多条导引线的交点，则将当前端点为结构图样本的一个节点，其节点图形类型为点类型；
117.针对每条导引线的每个端点，如果当前导引线的当前端点是多条导引线的交点，则将交点确定为结构图样本的一个节点，其节点图形类型为点类型。
118.即针对每条导引线的每个端点，可以先确定当前导引线的当前端点是否为多条导引线的交点。
119.如果当前导引线的当前端点不是多条导引线的交点，则可以将当前端点确定为结构图样本的一个节点，其节点图形类型为点类型，可以通过当前端点的像素坐标表示。如图4中a箭头所指的节点。
120.如果当前端点是多条导引线的交点，则其较大概率为结构图样本的节点，可以将交点确定为结构图样本的一个节点，可以通过交点的像素坐标表示。如图4中b箭头所指的节点。
121.其中，当前导引线是指当前操作所针对的导引线，当前端点为当前操作所针对的当前导引线的端点。
122.节点定义信息还可以包括以下信息：
123.确定结构图样本的主图线上是否存在多边形框；如果存在多边形框，则将多边形框确定为结构图样本的一个节点，其节点图形类型为块类型。
124.可以先确定结构图样本的主图线上是否存在多边形框，如与导引线的端点的距离在设定距离范围内的多边形框。如果存在这样的多边形框，则可以认为该多边形框为结构图样本的节点的概率较大，可以将多边形框确定为结构图样本的一个节点，其节点图形类型为块类型，可以通过多边形框轮廓的一系列点坐标表示。如图5中c箭头和d箭头所指的节点。
125.距离范围可以根据实际情况进行设定和调整，如设定为0-0.5毫米。如果结构图样本中有导引线的端点与多边形框的距离为0，则表明该导引线通过该端点与多边形框相交，该多边形框为结构图样本的节点的概率更大一些。
126.节点定义信息还可以包括以下信息：
127.针对每条导引线的每个端点，如果当前导引线的当前端点与其他导引线的端点之间仅存在没有实际包围框的文本信息，则构建文本信息的虚拟包围框；将构建的虚拟包围框确定为结构图样本的一个节点，其节点图形类型为块类型。
128.针对每条导引线的每个端点，可以先确定当前导引线的当前端点与其他导引线的端点之间是否存在文本信息。如果存在文本信息，则可以进一步确定这两个端点之间是否仅存在没有包围框的文本信息，如果是，则可以认为这两个端点之间除了该没有包围框的文本信息外，不存在其他多边形框等元素，如图6中e箭头所指的文本信息，可以构建该文本信息的虚拟包围框。具体的，构建的虚拟包围框可以与这两条导引线相连接。虚拟包围框可以是多边形，还可以是圆形、椭圆形等其他形状。
129.可以认为构建的虚拟包围框为结构图样本的节点的概率较大，可以将虚拟包围框确定为结构图样本的一个节点，其节点图形类型为块类型，可以通过虚拟包围框轮廓的一系列点坐标表示。
130.其中，当前导引线是指当前操作所针对的导引线，当前端点为当前操作所针对的当前导引线的端点。
131.上面通过示例对结构图样本的节点定义信息进行了说明，在实际应用中，可以根据实际情况，将上面的各示例相互组合成多个方案对结构图样本中的节点所在图像区域进行标注，这样可以提高节点识别网络的识别准确率和效率，进而基于准确识别出的节点，可以将结构图样本快速、准确地还原为可编辑状态的目标结构图，提高结构图利用率。
132.节点定义信息还可以包括对关键节点的定义信息，可以对无效或无意义的节点进行过滤处理，使得最终得到结构图样本包含的关键节点，对结构图样本中的节点所在图像区域进行标注生成的标注信息更为准确，以进一步提高对节点识别网络的训练效率。
133.具体的，对关键节点的定义信息可以包括以下信息：
134.针对结构图样本包含的每个节点图形类型为点类型的节点，如果当前点类型节点位于结构图样本包含的任意一个块类型节点的框上或者框内，则在结构图样本包含的节点图形类型为点类型的节点中去除当前点类型节点。
135.在本技术实施例中，针对结构图样本包含的每个节点图形类型为点类型的节点，可以先确定当前点类型节点是否位于结构图样本包含的任意一个块类型节点的框上或者框内。具体的，可以通过点类型节点、块类型节点的像素坐标进行确定。如果当前点类型节点位于结构图样本包含的任意一个块类型节点的框上或者框内，则可以认为当前点类型节点无效，非关键节点，可以在结构图样本包含的节点图形类型为点类型的节点中去除当前点类型节点。当前点类型节点为当前操作所针对的点类型节点。
136.对关键节点的定义信息还可以包括以下信息：
137.将结构图样本包含的节点图形类型为块类型的节点中，重叠面积大于设定面积阈值的块类型节点合并为一个块类型节点。
138.在本技术实施例中，在结构图样本包含的块类型节点中，可以确定是否存在重叠的节点图形类型为块类型的节点，该重叠可以是部分重叠，还可以是全部重叠，可以根据块类型节点的像素坐标进行确定。
139.如果存在重叠的块类型节点，则进一步可以确定重叠的块类型节点的重叠面积是否大于设定面积阈值。如果重叠的块类型节点的重叠面积较大，大于设定面积阈值，则可以将重叠的块类型节点合并为一个块类型节点，合并后的块类型节点可以认为是结构图样本的关键节点。该面积阈值可以根据实际情况进行设定和调整。
140.对关键节点的定义信息还可以包括以下信息：
141.将结构图样本包含的节点图形类型为点类型的节点中，相互之间距离小于预设距离阈值的点类型节点聚类为一个点类型节点。
142.在本技术实施例中，在结构图样本包含的节点图形类型为点类型的节点中，可以确定是否存在相互之间距离小于预设距离阈值的点类型节点。具体的，可以根据点类型节点的像素坐标进行确定。距离阈值可以根据实际情况进行设定和调整。
143.如果存在相互之间距离较小，小于预设距离阈值的点类型节点，则可以对相互之
间距离小于预设距离阈值的点类型节点进行聚类处理，将其聚类中心确定为一个点类型节点，该点类型节点可以认为是结构图样本的关键节点。
144.按照上述的节点定义信息，对结构图样本中的节点所在图像区域进行标注生成的标注信息更为准确，为后续节点识别网络的训练的顺利进行提供重要保障。对于关键节点的判断，可以基于单个实施例进行，还可以将多个实施例结合起来进行，以提高判断准确性。
145.按照包括多种节点图形类型的节点定义信息，对结构图样本中的节点所在图像区域进行标注后，生成的标注信息还可以包括节点图形类型信息，这样节点识别网络可以对多种节点图形类型的节点所在图像区域的图像特征进行学习，利用训练得到的节点识别网络可以对待进行结构图还原的源结构图中的节点位置以及节点图形类型进行识别，准确识别到源结构图中的节点。
146.利用结构图样本以及标注信息，对节点识别网络进行训练完成后，利用节点识别网络即可对待进行结构图还原的源结构图中的节点进行识别，如对图7所示的源结构图进行节点识别可以得到图8所示的节点，以小圆圈表示。
147.节点识别网络具体可以是目标检测模型，通过目标检测模型对结构图节点进行识别，具有较高的精度和泛化能力，可以提高节点识别的准确率和效率，从而为后续的结构搜索、结构文本对应等操作提供良好基础。
148.在本技术的一个实施例中，还可以根据设定的时间间隔或者更新指令，更新结构图样本，以基于更新后的结构图样本更新节点识别网络。
149.即在训练得到节点识别网络之后，可以根据设定的时间间隔或者更新指令，进行更多数量、更多类型的结构图样本的采集和制作，扩充样本库，对样本库中的结构图样本进行更新，这样可以基于更新后的结构图样本更新节点识别网络，提高节点识别网络的识别准确度。
150.在本技术的一个实施例中，在利用节点识别网络对待进行结构图还原的源结构图中的节点进行识别之后，还可以根据对识别出的源结构图中的节点的增删指令，进行节点增删操作，然后将进行节点增删操作后的源结构图作为结构图样本，加入到样本库中，对样本库中的结构图样本进行更新，以基于更新后的结构图样本更新节点识别网络。
151.在本技术实施例中，在利用节点识别网络对源结构图包含的节点进行识别之后，可以将识别出的源结构图包含的节点输出展示给用户，用户可以依据源结构图对识别出的节点发出增删指令。根据对识别出的源结构图包含的节点的增删指令，可以进行节点增删操作。对节点进行增删操作后得到的源结构图包含的节点将更为准确。
152.可以将进行节点增删操作后的源结构图作为结构图样本，加入到样本库中，以扩充样本库，对样本库中的结构图样本进行更新，这样可以基于更新后的结构图样本更新节点识别网络，提高节点识别网络的识别准确度。具体的，可以在样本库的新增样本数量达到设定数量阈值时再进行节点识别网络的更新，以避免占用过多计算资源，避免应用中频繁进行节点识别网络的替换导致的不稳定性。
153.在本技术的一个实施例中，源结构图可以是为初始结构图，或者为在初始结构图中截取的部分区域图。
154.在本技术实施例中，在网络中或者资源库中查找到的结构图可以认为是初始结构
图，可以将初始结构图的整体区域图作为源结构图，对其进行节点识别、结构图还原操作。用户还可以根据实际需要在初始结构图中划定部分区域作为还原目标，如图9中黑色矩形框所划区域。根据用户划定的区域，在初始结构图中截取部分区域作为源结构图，对其进行节点识别、结构图还原操作，这样可以提高节点识别效率、结构图还原效率。
155.如果源结构图为在初始结构图中截取的部分区域图，则可能会出现截取到的区域结构不完整的情况。如图9所示，黑色矩形框中最下面的一条导引线与上面其他导引线是分离状态，这样截取到的区域图结构不完整。在对其进行节点识别，并基于节点识别结果进行结构图还原之后，可以将不完整结构剔除，保留完整结构。如将图9中黑色矩形框最下面的一条导引线及其节点、文字剔除。当然，还可以通过与用户的交互，确定是否剔除。
156.参见图10所示，为本技术实施例所提供的一种结构图处理方法的实施流程图，该方法可以包括以下步骤：
157.s1010：获得源结构图，源结构图处于不可编辑状态；
158.s1020：将源结构图还原为可编辑状态的目标结构图；
159.s1030：通过编辑界面输出展示目标结构图，并在编辑界面提供编辑操作控件，以利用编辑操作控件对目标结构图进行编辑。
160.为便于描述，将上述几个步骤结合起来进行说明。
161.在本技术实施例中，源结构图可以是现有的任意一张结构图，处于不可编辑状态，如为图片格式或者其他只读文件格式。其可以是用户根据实际需求在网络中或者资源库中查找到的可能能够满足实际需求的结构图，还可以是根据用户提供的关键词向用户推荐的结构图。
162.获得源结构图后，可以将源结构图还原为可编辑状态的目标结构图。具体的，可以利用节点识别网络对源结构图中的节点进行识别，获得节点识别结果，其中，节点识别网络用于根据学习到的结构图样本中的节点所在图像区域的图像特征，对源结构图中的节点进行识别，然后基于节点识别结果，将源结构图还原为可编辑状态的目标结构图。具体实现方式可以参照上述相关实施例的说明，这里不再赘述。
163.将源结构图还原为可编辑状态的目标结构图后，可以通过编辑界面输出展示目标结构图，如可以展示目标结构图的结构树。在编辑界面可以提供编辑操作控件，这样方便用户利用编辑操作控件对目标结构图进行编辑，以得到用户实际想要的结构图。
164.编辑操作控件可以包括节点增删控件、导引线连接控件和文本编辑控件中的至少一种。如利用节点增删控件，可以实现对目标结构图中呈现的节点的增删操作，利用导引线连接控件，可以实现对目标结构图中新增节点的导引线的连接，利用文本编辑控件，可以实现在目标结构图中增加、修改文本信息。当然，编辑操作控件还可以包括更多的其他控件，如一些放大、缩小、颜色变换等常规控件。这样可以方便用户对目标结构图进行灵活编辑。
165.应用本技术实施例所提供的方法，将处于不可编辑状态的源结构图还原为可编辑状态的目标结构图后，通过编辑界面输出展示目标结构图，并在编辑界面提供编辑操作控件，这样方便用户利用编辑操作控件对目标结构图进行编辑，以获得满足用户实际需求的结构图，方便用户使用，提高了结构图的利用率。
166.在本技术的一种具体实施方式中，源结构图可以为初始结构图，或者为在初始结构图中截取的部分区域图。
167.相应于上面图2所示的方法实施例，本技术实施例还提供了一种结构图还原装置，下文描述的结构图还原装置与上文描述的结构图还原方法可相互对应参照。
168.参见图11所示，该装置可以包括以下模块：
169.结构图第一获得模块1110，用于获得源结构图，源结构图处于不可编辑状态；
170.节点识别模块1120，用于利用节点识别网络对源结构图中的节点进行识别，获得节点识别结果，其中，节点识别网络用于根据学习到的结构图样本中的节点所在图像区域的图像特征，对源结构图中的节点进行识别；
171.结构图还原模块1130，用于基于节点识别结果，将源结构图还原为可编辑状态的目标结构图。
172.应用本技术实施例所提供的装置，在获得处于不可编辑状态的源结构图后，利用节点识别网络对源结构图中的节点进行识别，获得节点识别结果，再基于节点识别结果，将源结构图还原为可编辑状态的目标结构图。通过节点识别网络可以准确、快速地识别出源结构图中包含的节点，减少了漏检、误检情况的发生，节省了人力成本，提高了节点识别的准确率和效率，为结构图还原整体操作提供了基础保障，有助于快速、准确地对结构图进行还原，提高结构图的利用率。
173.在本技术的一种具体实施方式中，还包括节点识别结果调整模块，用于：
174.在获得节点识别结果之后、基于节点识别结果，将源结构图还原为可编辑状态的目标结构图之前，输出展示在源结构图中标记的节点识别结果；
175.根据接收到的对节点识别结果的调整指令，对节点识别结果进行调整。
176.在本技术的一种具体实施方式中，还包括节点识别网络获得模块，用于通过以下单元获得节点识别网络：
177.样本接收单元，用于接收结构图样本，结构图样本处于不可编辑状态；
178.标注信息确定单元，用于确定结构图样本的标注信息，标注信息是按照预置的节点定义信息，对结构图样本中的节点所在图像区域进行标注后生成的；
179.网络训练单元，用于利用结构图样本以及标注信息，训练获得节点识别网络。
180.在本技术的一种具体实施方式中，标注信息确定单元，用于：
181.确定在结构图样本中的节点所在图像区域添加的标注框，以及标注框在结构图样本中的位置信息；
182.相应的，网络训练单元，用于：
183.根据结构图样本以及标注框的位置信息，对节点识别网络进行训练。
184.在本技术的一种具体实施方式中，网络训练单元，用于：
185.将结构图样本以及标注框的位置信息作为输入信息，对节点识别网络进行训练。
186.在本技术的一种具体实施方式中，节点定义信息包括：多种节点图形类型的定义信息；标注信息还包括：节点图形类型信息；节点识别网络通过学习多种节点图形类型的节点所在图像区域的图像特征，对待进行结构图还原的源结构图中的节点位置以及节点图形类型进行识别。
187.在本技术的一种具体实施方式中，节点识别网络获得模块还包括网络更新单元，用于：
188.根据设定的时间间隔或者更新指令，更新结构图样本，以基于更新后的结构图样
本更新节点识别网络。
189.在本技术的一种具体实施方式中，源结构图为初始结构图，或者为在初始结构图中截取的部分区域图。
190.相应于上面图10所示的方法实施例，本技术实施例还提供了一种结构图处理装置，下文描述的结构图处理装置与上文描述的结构图处理方法可相互对应参照。
191.参见图12所示，该装置可以包括以下模块：
192.结构图第二获得模块1210，用于获得源结构图，源结构图处于不可编辑状态；
193.结构图还原模块1220，用于将源结构图还原为可编辑状态的目标结构图；
194.结构图编辑模块1230，用于通过编辑界面输出展示目标结构图，并在编辑界面提供编辑操作控件，以便利用编辑操作控件对目标结构图进行编辑。
195.应用本技术实施例所提供的装置，将处于不可编辑状态的源结构图还原为可编辑状态的目标结构图后，通过编辑界面输出展示目标结构图，并在编辑界面提供编辑操作控件，这样方便用户利用编辑操作控件对目标结构图进行编辑，以获得满足用户实际需求的结构图，方便用户使用，提高了结构图的利用率。
196.在本技术的一种具体实施方式中，结构图还原模块1220，用于：
197.利用节点识别网络对源结构图中的节点进行识别，获得节点识别结果，其中，节点识别网络用于根据学习到的结构图样本中的节点所在图像区域的图像特征，对源结构图中的节点进行识别；
198.基于节点识别结果，将源结构图还原为可编辑状态的目标结构图。
199.相应于上面的方法实施例，本技术实施例还提供了一种结构图处理设备，包括：
200.存储器，用于存储计算机程序；
201.处理器，用于执行计算机程序时实现上述结构图还原方法、和/或结构图处理方法的步骤。
202.如图13所示，为结构图处理设备的组成结构示意图，结构图处理设备可以包括：处理器10、存储器11、通信接口12和通信总线13。处理器10、存储器11、通信接口12均通过通信总线13完成相互间的通信。
203.在本技术实施例中，处理器10可以为中央处理器(central processing unit，cpu)、特定应用集成电路、数字信号处理器、现场可编程门阵列或者其他可编程逻辑器件等。
204.处理器10可以调用存储器11中存储的程序，具体的，处理器10可以执行结构图处理方法的实施例中的操作。
205.存储器11中用于存放一个或者一个以上程序，程序可以包括程序代码，程序代码包括计算机操作指令，在本技术实施例中，存储器11中至少存储有用于实现以下功能的程序：
206.获得源结构图，源结构图处于不可编辑状态；
207.利用节点识别网络对源结构图中的节点进行识别，获得节点识别结果，其中，节点识别网络用于根据学习到的结构图样本中的节点所在图像区域的图像特征，对源结构图中的节点进行识别；
208.基于节点识别结果，将源结构图还原为可编辑状态的目标结构图；
209.和/或，
210.获得源结构图，源结构图处于不可编辑状态；
211.将源结构图还原为可编辑状态的目标结构图；
212.通过编辑界面输出展示目标结构图，并在编辑界面提供编辑操作控件，以便利用编辑操作控件对目标结构图进行编辑。
213.在一种可能的实现方式中，存储器11可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统，以及至少一个功能(比如图像识别功能、信息提取功能)所需的应用程序等；存储数据区可存储使用过程中所创建的数据，如标注数据、节点数据等。
214.此外，存储器11可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件或其他易失性固态存储器件。
215.通信接口12可以为通信模块的接口，用于与其他设备或者系统连接。
216.当然，需要说明的是，图13所示的结构并不构成对本技术实施例中结构图处理设备的限定，在实际应用中结构图处理设备可以包括比图13所示的更多或更少的部件，如还可以包括显示器等，或者组合某些部件。
217.相应于上面的方法实施例，本技术实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述结构图还原方法、和/或结构图处理方法的步骤。
218.此外，需要说明的是：本技术实施例还提供了一种计算机程序产品或计算机程序，该计算机程序产品或者计算机程序可以包括计算机指令，该计算机指令可以存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器可以执行该计算机指令，使得该计算机设备执行前文图2所对应实施例中结构图还原方法、和/或前文图10所对应实施例中结构图处理方法的描述，因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本技术所涉及的计算机程序产品或者计算机程序实施例中未披露的技术细节，请参照本技术方法实施例的描述。
219.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。
220.专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
221.结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
222.本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的技术方案及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以对本技术进行若干改进和修饰，这些
改进和修饰也落入本技术权利要求的保护范围内。