[發(fā)明專利]一種判斷網(wǎng)絡(luò)餐飲商家證照缺失的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910064913.2
• 申請(qǐng)日: 2019-01-23
• 公開(kāi)（公告）號(hào): CN109934219B
• 公開(kāi)（公告）日: 2021-04-13
• 發(fā)明（設(shè)計(jì)）人: 不公告發(fā)明人
• 申請(qǐng)（專利權(quán)）人: 成都數(shù)之聯(lián)科技有限公司
• 主分類號(hào): G06K9/32
• 分類號(hào): G06K9/32;G06K9/62
• 代理公司: 成都帝鵬知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 51265
• 代理人: 黎照西

本發(fā)明公開(kāi)一種判斷網(wǎng)絡(luò)餐飲商家證照缺失的方法，包括數(shù)據(jù)集收集和存儲(chǔ)；構(gòu)建梯度增強(qiáng)注意力網(wǎng)絡(luò)模型，所述梯度增強(qiáng)注意力網(wǎng)絡(luò)模型包括主網(wǎng)絡(luò)、子網(wǎng)絡(luò)和注意力模塊；所述主網(wǎng)絡(luò)對(duì)輸入圖片進(jìn)行變換后得到主網(wǎng)絡(luò)特征圖；子網(wǎng)絡(luò)用于計(jì)算與主網(wǎng)絡(luò)特征圖相同大小的子網(wǎng)絡(luò)梯度特征圖；注意力模塊計(jì)算子網(wǎng)絡(luò)梯度特征圖與主網(wǎng)絡(luò)特征圖的相似度，得到梯度特征增強(qiáng)的特征圖返回給主網(wǎng)絡(luò)；優(yōu)化模型參數(shù)；預(yù)測(cè)證件類別；根據(jù)預(yù)測(cè)得到的證件類別，對(duì)比得出餐飲商家所缺失的證件。本發(fā)明通過(guò)建立梯度增強(qiáng)注意力網(wǎng)絡(luò)模型增強(qiáng)對(duì)證件圖片中文字區(qū)域識(shí)別的敏感性，有效提高模型識(shí)別準(zhǔn)確率，能夠從大量網(wǎng)絡(luò)平臺(tái)數(shù)據(jù)中快速且有效地識(shí)別出缺失規(guī)定證照的商家。

技術(shù)領(lǐng)域

本發(fā)明屬于網(wǎng)絡(luò)信息識(shí)別技術(shù)領(lǐng)域，特別是涉及一種判斷網(wǎng)絡(luò)餐飲商家證照缺失的方法。

背景技術(shù)

在網(wǎng)絡(luò)餐飲監(jiān)管中，商家是否正確上傳了規(guī)定的證照是考察食品安全的重要指標(biāo)。根據(jù)我國(guó)相關(guān)規(guī)定，網(wǎng)絡(luò)餐飲商家需要上傳“食品經(jīng)營(yíng)許可證”或“餐飲服務(wù)許可證”。人工逐一檢查商家證照是否缺失耗時(shí)耗力，且監(jiān)管單位的監(jiān)管資源有限，難以面對(duì)無(wú)限的監(jiān)管市場(chǎng)和監(jiān)管需求。

在網(wǎng)絡(luò)餐飲監(jiān)管系統(tǒng)中，通過(guò)爬蟲(chóng)系統(tǒng)獲取商家證件照片存儲(chǔ)在數(shù)據(jù)庫(kù)中，利用這些證照數(shù)據(jù)訓(xùn)練一個(gè)證照?qǐng)D片分類模型，是提高監(jiān)管效率的重要手段。由于相同類別的證照具有相同的證件名稱、證件字段名稱、以及相似的邊框和背景特征，使用卷積神經(jīng)網(wǎng)絡(luò)可以較好地完成證照?qǐng)D片分類任務(wù)。然而，由于某些不同類別的證件也可能含有相似的特征，如相似背景顏色、相似字體顏色、相似邊框紋理等，這些實(shí)際不同類別很容易被普通的網(wǎng)絡(luò)識(shí)別成相同類別。

發(fā)明內(nèi)容

為了解決上述問(wèn)題，本發(fā)明提出了一種判斷網(wǎng)絡(luò)餐飲商家證照缺失的方法，通過(guò)構(gòu)建梯度增強(qiáng)注意力網(wǎng)絡(luò)模型對(duì)證件圖片中文字區(qū)域識(shí)別的敏感性有了較大的提高，能夠有效提高模型對(duì)帶有文字的證件圖片分類的準(zhǔn)確率，從大量網(wǎng)絡(luò)平臺(tái)數(shù)據(jù)中快速且有效地識(shí)別出缺失規(guī)定證照的商家。

為達(dá)到上述目的，本發(fā)明采用的技術(shù)方案是：一種判斷網(wǎng)絡(luò)餐飲商家證照缺失的方法，包括步驟：

S100，數(shù)據(jù)集收集和存儲(chǔ)：使用爬蟲(chóng)技術(shù)從各網(wǎng)絡(luò)餐飲平臺(tái)爬取商家證件圖片數(shù)據(jù)，將爬取到的數(shù)據(jù)存儲(chǔ)在數(shù)據(jù)庫(kù)中；從數(shù)據(jù)庫(kù)中分組選取圖片進(jìn)行標(biāo)注，將圖片標(biāo)注進(jìn)行分類；

S200，構(gòu)建梯度增強(qiáng)注意力網(wǎng)絡(luò)模型：所述梯度增強(qiáng)注意力網(wǎng)絡(luò)模型包括主網(wǎng)絡(luò)、子網(wǎng)絡(luò)和注意力模塊；所述主網(wǎng)絡(luò)對(duì)輸入圖片進(jìn)行變換后得到主網(wǎng)絡(luò)特征圖；所述子網(wǎng)絡(luò)為一個(gè)除通道數(shù)外其他參數(shù)與主網(wǎng)絡(luò)參數(shù)完全相同的網(wǎng)絡(luò)，用于計(jì)算與主網(wǎng)絡(luò)特征圖相同大小的子網(wǎng)絡(luò)梯度特征圖；所述主網(wǎng)絡(luò)和子網(wǎng)絡(luò)通過(guò)注意力模塊連接，注意力模塊計(jì)算子網(wǎng)絡(luò)梯度特征圖與主網(wǎng)絡(luò)特征圖的相似度，得到梯度特征增強(qiáng)的特征圖返回給主網(wǎng)絡(luò)；

S300，優(yōu)化模型參數(shù)：從數(shù)據(jù)庫(kù)中讀取標(biāo)注后的圖片數(shù)據(jù)對(duì)所述梯度增強(qiáng)注意力網(wǎng)絡(luò)模型進(jìn)行優(yōu)化訓(xùn)練；

S400，預(yù)測(cè)證件類別：從數(shù)據(jù)庫(kù)中讀取無(wú)標(biāo)簽的圖片數(shù)據(jù)，并將無(wú)標(biāo)簽的圖片數(shù)據(jù)輸入所述梯度增強(qiáng)注意力網(wǎng)絡(luò)模型，得到預(yù)測(cè)的證件類別；

S500，根據(jù)預(yù)測(cè)得到的證件類別，對(duì)比得出餐飲商家所缺失的證件。

進(jìn)一步的是，所述主網(wǎng)絡(luò)包括多個(gè)殘差模塊、平均池化層和全連接層，每個(gè)所述殘差模塊依次串聯(lián)后連接至平均池化層，所述平均池化層連接至全連接層；每個(gè)殘差模塊和平均池化層均通過(guò)各自的注意力模塊連接子網(wǎng)絡(luò)；

所述注意力模塊計(jì)算子網(wǎng)絡(luò)梯度特征圖與主網(wǎng)絡(luò)特征圖的相似度；將子網(wǎng)絡(luò)梯度特征圖與主網(wǎng)絡(luò)特征圖經(jīng)過(guò)softmax層后得到通道權(quán)重，主網(wǎng)絡(luò)特征圖張量乘以所述通道權(quán)重后得到梯度特征增強(qiáng)的特征圖并傳往下一個(gè)模塊。

進(jìn)一步的是，所述梯度增強(qiáng)注意力網(wǎng)絡(luò)模型圖片處理過(guò)程包括步驟：

在主網(wǎng)絡(luò)中對(duì)輸入圖片進(jìn)行梯度變換，分別與x軸和y軸方向的Sobel算子進(jìn)行卷積計(jì)算，得到圖片在兩個(gè)方向上的主網(wǎng)絡(luò)特征圖；