【技术实现步骤摘要】
一种印章检测方法、装置、计算机设备及存储介质
[0001]本申请涉及人工智能中的图像处理
,尤其涉及一种基于深度卷 积网络的印章检测方法、装置、计算机设备及存储介质。
技术介绍
[0002]近几年,AI技术的发展突飞猛进,其应用领域也越来越广,如机器人、 语音识别、图像识别、计算机视觉、自动驾驶等领域。在票据识别的应用场 景中,如何有效识别单证影像图片中是否盖有印章成为票据识别中极其重要 的环节。
[0003]现有一种印章识别方法,即通过指定印章颜色,利用容差的方式判断印 章区域,最后采用霍夫变换的方式完成印章的提取。容差法提取印章区域, 即先指定印章的参考颜色,然后通过设定容差的范围,完成印章区域的判断, 即某一颜色如果与参考颜色的差异度在容差范围之内,则认为该颜色为印章 颜色。完成印章区域的判断后再通过霍夫变换完成印章的提取。
[0004]然而,申请人发现传统的印章识别方法采用容差的方式完成指定颜色区 域的提取,容易受到光照等条件的影响,稳定性较差,并且容差的设定对于 最后结果的影响较大,不利于印章区域的准确判断。由此可见,传统的印章 识别方法存在识别准确性较低的问题。
技术实现思路
[0005]本申请实施例的目的在于提出一种基于深度卷积网络的印章检测方法、 装置、计算机设备及存储介质,以解决传统的印章识别方法存在识别准确性 较低的问题。
[0006]为了解决上述技术问题,本申请实施例提供一种基于深度卷积网络的印 章检测方法,采用了如下所述的技术方案:
[00 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于深度卷积网络的印章检测方法,其特征在于,包括下述步骤:接收携带有原始印章图像的模型训练请求;对所述原始印章图像进行正样本处理操作,得到正样本图像;对所述原始印章图像进行负样本生成操作,得到负样本图像;将所述正样本图像以及所述负样本图像输入至DarkNet53网络进行特征提取操作,得到印章特征数据;对所述印章特征数据进行预测操作,获取初始预测结果数据;基于k
‑
means算法对所述预测结果数据进行检测与识别操作,获得最终预测结果与标注结果的损失数据;基于随机梯度下降算法对所述损失数据进行优化操作,获得训练好的识别模型;获取待检测图像;将所述待检测图像输入至所述训练好的识别模型进行印章检测操作,得到印章检测结果。2.根据权利要求1所述的基于深度卷积网络的印章检测方法,其特征在于,在所述对所述原始印章图像进行负样本生成操作,得到负样本图像的步骤之后,且在所述将所述正样本图像以及所述负样本图像输入至DarkNet53网络进行特征提取操作,得到印章特征数据的步骤之前,还包括下述步骤:分别对所述正样本图像以及所述负样本图像进行图像增强操作,得到增强正样本图像以及增强负样本图像;所述将所述正样本图像以及所述负样本图像输入至DarkNet53网络进行特征提取操作,得到印章特征数据的步骤,具体包括下述步骤:将所述增强正样本图像以及所述增强负样本图像输入至所述DarkNet53网络进行所述特征提取操作,得到所述印章特征数据。3.根据权利要求2所述的基于深度卷积网络的印章检测方法,其特征在于,所述将所述增强正样本图像以及所述增强负样本图像输入至所述DarkNet53网络进行所述特征提取操作,得到所述印章特征数据的步骤,具体包括下述步骤:判断所述增强正样本图像以及所述增强负样本图像是否满足预设图像条件;若所述增强正样本图像以及所述增强负样本图像满足所述预设图像条件,则执行所述特征提取操作,得到所述印章特征数据;若所述增强正样本图像以及所述增强负样本图像不满足所述预设图像条件,则对所述增强正样本图像以及所述增强负样本图像进行预处理操作,获得规范正样本图像以及规范负样本图像;将所述规范正样本图像以及所述规范负样本图像输入至所述DarkNet53网络进行所述特征提取操作,得到所述印章特征数据。4.根据权利要求1所述的基于深度卷积网络的印章检测方法,其特征在于,所述识别模型的损失函数表示为:loss=∑loss
xy
+loss
wh
+loss
class
+loss
diou
其中,loss
xy
表示预测框的中心点坐标损失;loss
wh
表示预测框的宽高损失;loss
class
表示类别损失;loss
diou
表示DIOU损失。
技术研发人员:冷绵绵,
申请(专利权)人:中国平安人寿保险股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。