[發明專利]基于信用監督的糾紛調解數據處理方法及其系統

有效

• 申請號: 202211326958.0
• 申請日: 2022-10-27
• 公開（公告）號: CN115393966B
• 公開（公告）日: 2023-01-10
• 發明（設計）人: 英偉;王大飛;馬躍
• 申請（專利權）人: 中鑫融信（北京）科技有限公司
• 主分類號: G06V40/30
• 分類號: G06V40/30;G06V10/764;G06V10/82;G06N3/04;G06N3/08;G06Q50/18
• 代理公司: 北京八月瓜知識產權代理有限公司 11543
• 代理人: 董艷艷

1.一種基于信用監督的糾紛調解數據處理方法，其特征在于，包括：

獲取待上傳至區塊鏈網絡的證據材料；

從所述證據材料截取用戶簽名區域；

使用SLIC算法對所述用戶簽名區域進行處理以生成超像素用戶簽名區域圖像；

獲取參考簽名圖像；

將所述超像素用戶簽名區域圖像和所述參考簽名圖像通過包含第一卷積神經網絡和第二卷積神經網絡的孿生網絡以得到檢測特征圖和參考特征圖，所述第一卷積神經網絡和所述第二卷積神經網絡具有相同的網絡結構；

計算所述檢測特征圖和所述參考特征圖之間的差分特征圖；以及

將所述差分特征圖通過分類器以得到分類結果，所述分類結果用于表示證據材料中的簽名是否真實；

所述計算所述檢測特征圖和所述參考特征圖之間的差分特征圖，包括：以如下公式計算所述檢測特征圖和所述參考特征圖之間的差分特征圖；

其中，所述公式為：

其中是所述檢測特征圖，是所述參考特征圖，是所述檢測特征圖的每個特征值，是所述檢測特征圖的所有特征值的全局均值，且是所述檢測特征圖的尺度，是加權超參數。

2.根據權利要求1所述的基于信用監督的糾紛調解數據處理方法，其特征在于，所述將所述超像素用戶簽名區域圖像和所述參考簽名圖像通過包含第一卷積神經網絡和第二卷積神經網絡的孿生網絡以得到檢測特征圖和參考特征圖，包括：

使用所述第一卷積神經網絡的多層卷積層對所述超像素用戶簽名區域圖像進行深度卷積編碼以由所述多層卷積層的最后一層輸出深度檢測特征圖；

將所述深度檢測特征圖輸入所述第一卷積神經網絡的第一空間注意力模塊以得到第一空間注意力圖；以及

計算所述深度檢測特征圖和所述第一空間注意力圖的按位置點乘以得到所述檢測特征圖。

3.根據權利要求2所述的基于信用監督的糾紛調解數據處理方法，其特征在于，所述將所述深度檢測特征圖輸入所述第一卷積神經網絡的第一空間注意力模塊以得到第一空間注意力圖，包括：

使用所述第一空間注意力模塊的卷積層對所述深度檢測特征圖進行卷積編碼以得到第一空間注意力得分圖；以及

使用Softmax激活函數對所述第一空間注意力得分圖進行非線性激活以得到所述第一空間注意力圖。

4.根據權利要求3所述的基于信用監督的糾紛調解數據處理方法，其特征在于，所述將所述超像素用戶簽名區域圖像和所述參考簽名圖像通過包含第一卷積神經網絡和第二卷積神經網絡的孿生網絡以得到檢測特征圖和參考特征圖，包括：

使用所述第二卷積神經網絡的多層卷積層對所述超像素用戶簽名區域圖像進行深度卷積編碼以由所述多層卷積層的最后一層輸出深度參考特征圖；

將所述深度參考特征圖輸入所述第二卷積神經網絡的第二空間注意力模塊以得到第二空間注意力圖；以及

計算所述深度參考特征圖和所述第二空間注意力圖的按位置點乘以得到所述參考特征圖。

5.根據權利要求4所述的基于信用監督的糾紛調解數據處理方法，其特征在于，所述將所述深度參考特征圖輸入所述第二卷積神經網絡的第二空間注意力模塊以得到第二空間注意力圖，包括：

使用所述第二空間注意力模塊的卷積層對所述深度參考特征圖進行卷積編碼以得到第二空間注意力得分圖；以及

使用Softmax激活函數對所述第二空間注意力得分圖進行非線性激活以得到所述第二空間注意力圖。

6.根據權利要求5所述的基于信用監督的糾紛調解數據處理方法，其特征在于，所述將所述差分特征圖通過分類器以得到分類結果，包括：使用所述分類器以如下公式對所述差分特征圖進行處理以生成分類結果；

其中，所述公式為：,其中表示將所述差分特征圖投影為向量，至為各層全連接層的權重矩陣，至表示各層全連接層的偏置矩陣。

7.根據權利要求6所述的基于信用監督的糾紛調解數據處理方法，其特征在于，所述證據材料為信用承諾書或調解協議書。