一种全票种报账智能平台制造技术

本发明专利技术公开了一种全票种报账智能平台，涉及财务报账平台技术领域；其包括图片生成器和终端以及发票图片预处理模块、提取预处理后图片特征模块和生成无锚框候选区域模块，所述图片生成器与终端连接并通信，提取预处理后图片特征模块为程序模块，用于终端将预处理图片输入至特征提取卷积神经网络并获得特征图；生成无锚框候选区域模块为程序模块，用于终端对特征图分别进行类别判断分支和位置回归分支处理并生成无锚框候选区域；其通过图片生成器和终端以及发票图片预处理模块、提取预处理后图片特征模块和生成无锚框候选区域模块等，实现了财务报账平台在发票印章检测过程中工作效率较高。

【技术实现步骤摘要】
一种全票种报账智能平台
本专利技术涉及财务报账平台
，尤其涉及一种全票种报账智能平台。
技术介绍
发票是企业费用报销中的一个重要组成部分，包含了发票名称、开票日期、开票金额、印章等多项报销所必需信息，其中对于印章的检测识别目前主要由人工对比，其缺点是人为因素多、准确性差、工作效率低、非常的耗时耗力，如果能够将深度学习技术要用到发票印章上，实现信息的自动提取，将会极大的节省人力资源成本。发票印章信息自动提取流程包含了候选区域生成、区域坐标调整和内容识别两个阶段。作为整个流程的基础步骤，第一个环节候选区域生成面临着更多的问题。现有的基于深度学习的方法主要分为基于锚框的方法以及基于无锚框的方法。基于锚框的方法预先在图像的特征图上生成密集的固定大小和尺寸比的先验锚框，然后基于这些锚框进行后续的优化。这种方法通常是两阶段的，第一阶段通过区域生成网络将先验框调整生成候选框，第二阶段对这些候选框内的特征进行进一步内容分析与判断。但是在利用锚框时需要设置超参数，并且会产生大量冗余先验框，增加了问题的复杂程度。基于无锚框的方法直接对特征图上的每个像素点建模到四个边的距离以及类别，这种方法简单快速，然而准确度不如拥有第二阶段微调的两阶段方法。在发票印章的检测场景下，漏检、边界不正确会极大的影响后续其他处理。现有技术问题及思考：如何解决财务报账平台在发票印章检测过程中工作效率较低的技术问题。
技术实现思路
本专利技术所要解决的技术问题是提供一种全票种报账智能平台，其通过图片生成器和终端以及发票图片预处理模块、提取预处理后图片特征模块和生成无锚框候选区域模块等，实现了财务报账平台在发票印章检测过程中工作效率较高。为解决上述技术问题，本专利技术所采取的技术方案是：一种全票种报账智能平台包括图片生成器和终端以及发票图片预处理模块、提取预处理后图片特征模块和生成无锚框候选区域模块，所述图片生成器与终端连接并通信，发票图片预处理模块为程序模块，用于图片生成器获取发票图片并发送至终端，终端接收到图片生成器发来的发票图片，对发票图片图像预处理并获得统一尺寸的预处理图片；提取预处理后图片特征模块为程序模块，用于终端将预处理图片输入至特征提取卷积神经网络并获得特征图，所述特征提取卷积神经网络为基于ResNet-50卷积神经网络去掉其最后的全连接层和池化层而获得的神经网络，所述特征图为经过特征提取卷积神经网络而形成的最后一层的特征图；生成无锚框候选区域模块为程序模块，用于终端对特征图分别进行类别判断分支和位置回归分支处理并生成无锚框候选区域，所述类别判断分支和位置回归分支处理为分别取两个3×3的窗口与特征图进行卷积。进一步的技术方案在于：所述发票图片预处理模块，还用于终端对预处理图片做随机旋转处理，以50％的概率进行水平旋转并获得旋转图片，终端将旋转图片进行归一化处理并获得归一化图片，终端将上述归一化图片进行填充并获得统一尺寸的预处理图片；在提取预处理后图片特征模块中，所述特征图为最后得到的大小为C×H×W的特征向量矩阵F，其中，C为图像的通道，H为图像的高度，W为图像的宽度。进一步的技术方案在于：还包括截取区域特征模块，截取区域特征模块为程序模块，用于终端通过无锚框候选区域对特征图进行截取并获得区域特征图。进一步的技术方案在于：在截取区域特征模块中，基于任一候选框沿特征图的高度和宽度方向都平均切成K份，获得K*K个方格，对每一个方格进行最大池化，获得K*K*C的区域特征图，K＝5，C＝512。进一步的技术方案在于：还包括分类与回归模块，分类与回归模块为程序模块，用于终端基于K*K*C的区域特征图进行分类和回归处理。进一步的技术方案在于：在分类与回归模块中，对于每一个区域特征图，分别经过分类分支和回归分支，每个分支都是四层3x3的卷积层，分类分支最后输出的特征图形状为H*W*N，回归分支最后输出的特征图形状为H*W*4，其中N为待分类的类别数目，4为回归得到的到四个边的距离。进一步的技术方案在于：所述终端为台式电脑，所述图片生成器为扫描设备或者拍照设备，图片生成器与台式电脑有线连接并单向通信。进一步的技术方案在于：所述扫描设备为数字扫描仪，所述拍照设备为数码照相机。进一步的技术方案在于：所述终端为台式电脑，所述图片生成器为移动智能终端，移动智能终端通过互联网与台式电脑无线连接并通信。进一步的技术方案在于：还包括服务器，所述终端通过互联网与服务器连接并通信。采用上述技术方案所产生的有益效果在于：第一，一种全票种报账智能平台包括图片生成器和终端以及发票图片预处理模块、提取预处理后图片特征模块和生成无锚框候选区域模块，所述图片生成器与终端连接并通信，发票图片预处理模块为程序模块，用于图片生成器获取发票图片并发送至终端，终端接收到图片生成器发来的发票图片，对发票图片图像预处理并获得统一尺寸的预处理图片；提取预处理后图片特征模块为程序模块，用于终端将预处理图片输入至特征提取卷积神经网络并获得特征图，所述特征提取卷积神经网络为基于ResNet-50卷积神经网络去掉其最后的全连接层和池化层而获得的神经网络，所述特征图为经过特征提取卷积神经网络而形成的最后一层的特征图；生成无锚框候选区域模块为程序模块，用于终端对特征图分别进行类别判断分支和位置回归分支处理并生成无锚框候选区域，所述类别判断分支和位置回归分支处理为分别取两个3×3的窗口与特征图进行卷积。该技术方案，其通过图片生成器和终端以及发票图片预处理模块、提取预处理后图片特征模块和生成无锚框候选区域模块等，实现了财务报账平台在发票印章检测过程中工作效率较高。第二，所述终端为台式电脑，所述图片生成器为移动智能终端，移动智能终端通过互联网与台式电脑无线连接并通信。该技术方案，通过移动智能终可以随时随地办公，使用更方便，结构更合理。第三，还包括服务器，所述终端通过互联网与服务器连接并通信。该技术方案，通过服务器，可以更好的拓展应用的范围和层级，结构更合理。详见具体实施方式部分描述。附图说明图1是本专利技术实施例1的原理框图；图2是本专利技术实施例2的原理框图；图3是本专利技术实施例3的原理框图；图4是本专利技术使用说明的流程图；图5是本专利技术的数据流图。具体实施方式下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。在下面的描述中阐述了很多具体细节以便于充分理解本申请，但是本申请还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施例的限制。实施例1本文档来自技高网...

【技术保护点】
1.一种全票种报账智能平台，其特征在于：包括图片生成器和终端以及发票图片预处理模块、提取预处理后图片特征模块和生成无锚框候选区域模块，所述图片生成器与终端连接并通信，发票图片预处理模块为程序模块，用于图片生成器获取发票图片并发送至终端，终端接收到图片生成器发来的发票图片，对发票图片图像预处理并获得统一尺寸的预处理图片；提取预处理后图片特征模块为程序模块，用于终端将预处理图片输入至特征提取卷积神经网络并获得特征图，所述特征提取卷积神经网络为基于ResNet-50卷积神经网络去掉其最后的全连接层和池化层而获得的神经网络，所述特征图为经过特征提取卷积神经网络而形成的最后一层的特征图；生成无锚框候选区域模块为程序模块，用于终端对特征图分别进行类别判断分支和位置回归分支处理并生成无锚框候选区域，所述类别判断分支和位置回归分支处理为分别取两个3×3的窗口与特征图进行卷积。/n

【技术特征摘要】
1.一种全票种报账智能平台，其特征在于：包括图片生成器和终端以及发票图片预处理模块、提取预处理后图片特征模块和生成无锚框候选区域模块，所述图片生成器与终端连接并通信，发票图片预处理模块为程序模块，用于图片生成器获取发票图片并发送至终端，终端接收到图片生成器发来的发票图片，对发票图片图像预处理并获得统一尺寸的预处理图片；提取预处理后图片特征模块为程序模块，用于终端将预处理图片输入至特征提取卷积神经网络并获得特征图，所述特征提取卷积神经网络为基于ResNet-50卷积神经网络去掉其最后的全连接层和池化层而获得的神经网络，所述特征图为经过特征提取卷积神经网络而形成的最后一层的特征图；生成无锚框候选区域模块为程序模块，用于终端对特征图分别进行类别判断分支和位置回归分支处理并生成无锚框候选区域，所述类别判断分支和位置回归分支处理为分别取两个3×3的窗口与特征图进行卷积。


2.根据权利要求1所述的一种全票种报账智能平台，其特征在于：所述发票图片预处理模块，还用于终端对预处理图片做随机旋转处理，以50％的概率进行水平旋转并获得旋转图片，终端将旋转图片进行归一化处理并获得归一化图片，终端将上述归一化图片进行填充并获得统一尺寸的预处理图片；在提取预处理后图片特征模块中，所述特征图为最后得到的大小为C×H×W的特征向量矩阵F，其中，C为图像的通道，H为图像的高度，W为图像的宽度。


3.根据权利要求1所述的一种全票种报账智能平台，其特征在于：还包括截取区域特征模块，截取区域特征模块为程序模块，用于终端通过无锚框候选区域对特征图进行截取并获得区域特征图。
<...

【专利技术属性】
技术研发人员：刘义江，姜琳琳，李云超，辛锐，陈曦，侯栋梁，魏明磊，杨青，池建昆，范辉，陈蕾，阎鹏飞，吴彦巧，姜敬，檀小亚，师孜晗，
申请(专利权)人：国网河北省电力有限公司，国网河北省电力有限公司雄安新区供电公司，
类型：发明
国别省市：河北;13