[發明專利]基于神經網絡的印章匹配方法、系統、設備及存儲介質有效
| 申請號： | 202110381639.9 | 申請日： | 2021-04-09 |
| 公開（公告）號： | CN113077048B | 公開（公告）日： | 2023-04-18 |
| 發明（設計）人： | 譚黎敏;龔霽程;趙釗 | 申請（專利權）人： | 上海西井信息科技有限公司 |
| 主分類號： | G06V40/30 | 分類號： | G06V40/30;G06V10/82;G06V10/778;G06V10/764;G06N3/0464;G06N3/08 |
| 代理公司： | 上海隆天律師事務所 31282 | 代理人： | 鐘宗 |
| 地址： | 200050 上海市*** | 國省代碼： | 上海;31 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 神經網絡 印章 匹配 方法 系統 設備 存儲 介質 | ||
1.一種基于神經網絡的印章匹配方法，其特征在于，包括訓練階段和預測階段，所述訓練階段包括以下步驟：
S110、對N種帶印章和真實標簽的印章樣本圖案進行預處理并對每個像素的每個色彩通道進行歸一化，自所述印章樣本圖案獨立提取特征圖矩陣，每個所述像素的每個色彩通道作為獨立卷積核；
S120、訓練預測網絡，根據每個所述特征圖矩陣轉化為一個一維矩陣Cin，根據所述一維矩陣Cin獲得特征矩陣X，X＝N×Cin，對每個所述特征矩陣X中的所有元素進行歸一化，獲得歸一化后的特征矩陣Xnorm；
S130、獲得每個所述特征矩陣X的權重矩陣W，W＝Cin×Cout，Cout表示分類印章的一行N列的類別矩陣每一列分別對應一種印章類別，并對權重矩陣W中的所有元素進行歸一化，獲得歸一化后的權重矩陣Wnorm；
S140、獲得N行Cout列的預測向量矩陣cosθ，
cosθ＝Xnorm×Wnorm；
S150、根據真實標簽從預測向量cosθ中選擇對應的值為所述真實標簽對應的類別所預測的角度，獲取反余弦得到角度
S160、對所有由真實標簽對應的角度值加上懲罰角度m，所述懲罰角度m的取值范圍是[25°，35°]其他角度值保持原有角度
S180、計算損失函數Loss，通過訓練令損失函數減小；
N為印章樣本數，n為印章類別數，θj表示權重W和特征向量x之間的角度，表示真實標簽對應的類別所預測的角度，m表示對預測角度的懲罰角度，s表示對特征的尺度的放大。
2.根據權利要求1所述的基于神經網絡的印章匹配方法，其特征在于，所述預測階段至少包括以下步驟：
S210、對N種帶印章和真實標簽的印章樣本圖案進行預處理并對每個像素的每個色彩通道進行歸一化，自所述印章樣本圖案獨立提取特征圖矩陣，每個所述像素的每個色彩通道作為獨立卷積核；
S220、輸入訓練好的預測網絡，根據每個所述特征圖矩陣轉化為一個一維矩陣Cin，根據所述一維矩陣Cin獲得特征矩陣X，X＝N×Cin，對每個所述特征矩陣X中的所有元素進行歸一化，獲得特征矩陣Xnorm；
S230、獲得每個所述特征矩陣X的權重矩陣W，W＝Cin×Cout，Cout表示分類印章的一行N列的類別矩陣每一列分別對應一種印章類別，并對權重矩陣W中的所有元素進行歸一化，獲得特征矩陣Wnorm；
S240、獲得N行Cout列的預測向量矩陣cosθ，
cosθ＝Xnorm×Wnorm；
根據所述預測向量矩陣cosθ，預測向量矩陣cosθ的每一列分別對應一種印章類別，輸出預測向量矩陣cosθ中元素值最大的一個元素所在的列對應的印章類別。
3.根據權利要求1或2所述的基于神經網絡的印章匹配方法，其特征在于，對所述色彩通道進行歸一化包括以下步驟：
S111、預設的圖片像素尺寸對所述印章樣本圖案進行縮放；
S112、隨機更改所述印章樣本圖案的亮度、對比度、飽和度、旋轉角度；
S113、對所述印章樣本圖案的每個像素的每個色彩通道進行歸一化。
4.根據權利要求3所述的基于神經網絡的印章匹配方法，其特征在于，所述步驟S113中，包括以下步驟：
S1131、獲得所述印章樣本圖案的每個像素的每個色彩通道的值Y；
S1131、通過排序，獲得RGB和值的最高的值Ymax以及最低值Ymin；
S1132、獲得所述印章樣本圖案的每個像素歸一化后的值Ynorm，
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于上海西井信息科技有限公司，未經上海西井信息科技有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110381639.9/1.html，轉載請聲明來源鉆瓜專利網。
