[發明專利]票據處理模型的訓練方法及圖像處理方法、圖像處理設備

在審

• 申請號: 202010532037.4
• 申請日: 2020-06-11
• 公開（公告）號: CN111814833A
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 趙詩云;陳媛媛
• 申請（專利權）人: 浙江大華技術股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 深圳市威世博知識產權代理事務所(普通合伙) 44280
• 代理人: 黎堅怡

1.一種票據處理模型的訓練方法，其特征在于，所述方法包括：

獲取訓練圖像；

確定所述訓練圖像中的票據定位信息和第一分類信息，并利用所述票據定位信息和所述第一分類信息對所述訓練圖像進行標注；

將已標注的所述訓練圖像輸入至預先建立的票據處理模型，并輸出圖像分割后的票據圖像和所述票據圖像的第二分類信息；其中，所述票據處理模型包括票據定位分支和票據分類分支；

根據所述票據定位信息和所述票據圖像之間的差異，和所述第一分類信息和第二分類信息之間的差異，對所述票據處理模型進行改進。

2.根據權利要求1所述的訓練方法，其特征在于，

所述將已標注的所述訓練圖像輸入至預先建立的票據處理模型，并輸出圖像分割后的票據圖像和所述票據圖像的第二分類信息；其中，所述票據處理模型包括票據定位分支和票據分類分支，包括：

對所述訓練圖像進行下采樣，以得到目標圖像；

將所述目標圖像通過所述票據分類分支進行處理，以得到所述目標圖像的所述第二分類信息；以及

將所述目標圖像通過所述票據定位分支進行處理，以得到所述票據圖像。

3.根據權利要求2所述的訓練方法，其特征在于，

所述將所述目標圖像通過所述票據分類分支進行處理，以得到所述目標圖像的所述第二分類信息，包括：

對所述目標圖像進行特征提取，以得到待處理特征；

對所述待處理特征進行全局平均池化，以得到所述目標圖像的所述第二分類信息。

4.根據權利要求3所述的訓練方法，其特征在于，

所述對所述待處理特征進行全局平均池化，以得到所述目標圖像的所述第二分類信息，包括：

對所述待處理特征進行全局平均池化，以得到所述待處理特征對應于多種設定類別的概率；

將所述概率中的最大概率對應的設定類型確定為所述第二分類信息。

5.根據權利要求2所述的訓練方法，其特征在于，

所述將所述目標圖像通過所述票據定位分支進行處理，以得到所述票據圖像，包括：

對所述目標圖像進行上采樣，以得到掩膜圖像；

利用所述掩膜圖像對所述訓練圖像進行處理，以得到所述票據圖像。

6.根據權利要求5所述的訓練方法，其特征在于，

所述利用所述掩膜圖像對所述訓練圖像進行處理，以得到所述票據圖像，包括：

利用所述掩膜圖像檢測出所述訓練圖像中對應的像素點；

獲取所述像素點形成的最小外接四邊形，以得到所述票據圖像。

7.根據權利要求1所述的訓練方法，其特征在于，

所述根據所述票據定位信息和所述票據圖像之間的差異，和所述第一分類信息和第二分類信息之間的差異，對所述票據處理模型進行改進，包括：

根據所述票據定位信息和所述票據圖像計算出第一損失值；

根據所述第一分類信息和第二分類信息計算出第二損失值；

根據所述第一損失值和所述第二損失值得出第三損失值；

判斷所述第三損失值是否滿足設定閾值；

若否，則對所述票據處理模型進行改進。

8.一種圖像處理方法，其特征在于，所述方法包括：

獲取待處理圖像；

將所述待處理圖像輸入至如權利要求1-7任一項所述的票據處理模型的訓練方法訓練出的票據處理模型，以從所述待處理圖像中分割出票據圖像，并識別出所述票據圖像的類型。

9.一種圖像處理設備，其特征在于，所述圖像處理設備包括處理器以及與所述處理器耦接的存儲器；

其中，所述存儲器用于存儲程序數據，所述處理器用于執行所述程序數據，以實現如權利要求8所述的方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質用于存儲程序數據，所述程序數據在被處理器執行時，用于實現如權利要求8所述的方法；或如權利要求1-7任一項所述的方法。