[發(fā)明專利]基于無錨框兩階段網(wǎng)絡檢測發(fā)票印章的方法及裝置

在審

• 申請?zhí)枺?/td>: 202110242359.X
• 申請日: 2021-03-04
• 公開（公告）號: CN113065400A
• 公開（公告）日: 2021-07-02
• 發(fā)明（設計）人: 劉義江;姜琳琳;李云超;辛銳;陳曦;侯棟梁;魏明磊;楊青;池建昆;范輝;陳蕾;閻鵬飛;吳彥巧;姜敬;檀小亞;師孜晗
• 申請（專利權）人: 國網(wǎng)河北省電力有限公司;國網(wǎng)河北省電力有限公司雄安新區(qū)供電公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06N3/04
• 代理公司: 石家莊新世紀專利商標事務所有限公司 13100
• 代理人: 呼春輝

1.一種基于無錨框兩階段網(wǎng)絡檢測發(fā)票印章的方法，其特征在于：包括如下步驟，S1發(fā)票圖片預處理，處理器從存儲器獲取發(fā)票圖片，對發(fā)票圖片圖像預處理并獲得統(tǒng)一尺寸的預處理圖片；S2提取預處理后圖片特征，處理器將預處理圖片輸入至特征提取卷積神經(jīng)網(wǎng)絡并獲得特征圖，所述特征提取卷積神經(jīng)網(wǎng)絡為基于ResNet-50卷積神經(jīng)網(wǎng)絡去掉其最后的全連接層和池化層而獲得的神經(jīng)網(wǎng)絡，所述特征圖為經(jīng)過特征提取卷積神經(jīng)網(wǎng)絡而形成的最后一層的特征圖；S3生成無錨框候選區(qū)域，處理器對特征圖分別進行類別判斷分支和位置回歸分支處理并生成無錨框候選區(qū)域，所述類別判斷分支和位置回歸分支處理為分別取兩個3×3的窗口與特征圖進行卷積。

2.根據(jù)權利要求1所述的基于無錨框兩階段網(wǎng)絡檢測發(fā)票印章的方法，其特征在于：步驟S1具體包括如下步驟，S101旋轉處理，處理器對預處理圖片做隨機旋轉處理，以50％的概率進行水平旋轉并獲得旋轉圖片；S102歸一化處理，處理器將旋轉圖片進行歸一化處理并獲得歸一化圖片；S103統(tǒng)一圖片，處理器將上述歸一化圖片進行填充并獲得統(tǒng)一尺寸的預處理圖片；在步驟S2中，所述特征圖為最后得到的大小為C×H×W的特征向量矩陣F，其中，C為圖像的通道，H為圖像的高度，W為圖像的寬度。

3.根據(jù)權利要求1所述的基于無錨框兩階段網(wǎng)絡檢測發(fā)票印章的方法，其特征在于：在步驟S3之后還包括如下步驟，S4截取區(qū)域特征，處理器通過無錨框候選區(qū)域對特征圖進行截取并獲得區(qū)域特征圖；S5分類與回歸，處理器基于K*K*C的區(qū)域特征圖進行分類和回歸處理。

4.根據(jù)權利要求3所述的基于無錨框兩階段網(wǎng)絡檢測發(fā)票印章的方法，其特征在于：在步驟S4中，基于任一候選框沿特征圖的高度和寬度方向都平均切成K份，獲得K*K個方格，對每一個方格進行最大池化，獲得K*K*C的區(qū)域特征圖，K＝5，C＝512；在步驟S5中，對于每一個區(qū)域特征圖，分別經(jīng)過分類分支和回歸分支，每個分支都是四層3x3的卷積層，分類分支最后輸出的特征圖形狀為H*W*N，回歸分支最后輸出的特征圖形狀為H*W*4，其中N為待分類的類別數(shù)目，4為回歸得到的到四個邊的距離。

5.一種基于無錨框兩階段網(wǎng)絡檢測發(fā)票印章的裝置，其特征在于：包括發(fā)票圖片預處理模塊、提取預處理后圖片特征模塊和生成無錨框候選區(qū)域模塊，發(fā)票圖片預處理模塊為程序模塊，用于處理器從存儲器獲取發(fā)票圖片，對發(fā)票圖片圖像預處理并獲得統(tǒng)一尺寸的預處理圖片；提取預處理后圖片特征模塊為程序模塊，用于處理器將預處理圖片輸入至特征提取卷積神經(jīng)網(wǎng)絡并獲得特征圖，所述特征提取卷積神經(jīng)網(wǎng)絡為基于ResNet-50卷積神經(jīng)網(wǎng)絡去掉其最后的全連接層和池化層而獲得的神經(jīng)網(wǎng)絡，所述特征圖為經(jīng)過特征提取卷積神經(jīng)網(wǎng)絡而形成的最后一層的特征圖；生成無錨框候選區(qū)域模塊為程序模塊，用于處理器對特征圖分別進行類別判斷分支和位置回歸分支處理并生成無錨框候選區(qū)域，所述類別判斷分支和位置回歸分支處理為分別取兩個3×3的窗口與特征圖進行卷積。

6.根據(jù)權利要求5所述的基于無錨框兩階段網(wǎng)絡檢測發(fā)票印章的裝置，其特征在于：所述發(fā)票圖片預處理模塊，還用于處理器對預處理圖片做隨機旋轉處理，以50％的概率進行水平旋轉并獲得旋轉圖片，處理器將旋轉圖片進行歸一化處理并獲得歸一化圖片，處理器將上述歸一化圖片進行填充并獲得統(tǒng)一尺寸的預處理圖片；在提取預處理后圖片特征模塊中，所述特征圖為最后得到的大小為C×H×W的特征向量矩陣F，其中，C為圖像的通道，H為圖像的高度，W為圖像的寬度。

7.根據(jù)權利要求5所述的基于無錨框兩階段網(wǎng)絡檢測發(fā)票印章的裝置，其特征在于：還包括截取區(qū)域特征模塊和分類與回歸模塊，截取區(qū)域特征模塊為程序模塊，用于處理器通過無錨框候選區(qū)域對特征圖進行截取并獲得區(qū)域特征圖；分類與回歸模塊為程序模塊，用于處理器基于K*K*C的區(qū)域特征圖進行分類和回歸處理。