本发明专利技术提供了一种印章修复网络模型的训练方法及装置。上述印章修复网络模型的训练方法包括：根据生成器输出的修复印章、原始印章、第一边缘区域印章和第二边缘区域印章，确定生成器对应的第一目标损失值；使用第一目标损失值，更新生成器对应的第一网络参数；根据判别器对应的分类结果，确定判别器对应的第二目标损失值；使用第二目标损失值，更新判别器对应的第二网络参数。本发明专利技术实施例中，根据第一边缘区域印章和第二边缘区域印章确定第一目标损失值，并根据第一目标损失值更新生成器对应的第一网络参数，这样，生成器生成的修复印章的各字符的边界明确，修复印章中的字符可以清楚的显示，以此提高修复效果。以此提高修复效果。以此提高修复效果。
【技术实现步骤摘要】
印章修复网络模型的训练方法及装置
[0001]本专利技术涉及印章处理
，特别是涉及一种印章修复网络模型的训练方法及装置。
技术介绍
[0002]在印章处理
，通常对于印章的修复方式为，先对印章进行二值化处理，去除印章中的背景噪声；再消除印章中的模糊部分，得到修复后的印章。
[0003]然而，使用上述方式对印章进行修复时，容易造成修复后的印章中的各字符之间的边界不够清晰，字符显示不清楚。这样，导致修复效果不佳。
技术实现思路
[0004]本专利技术实施例的目的在于提供一种印章修复网络模型的训练方法装置，解决对印章进行修复后的效果不佳的技术问题。
[0005]第一方面，本专利技术实施例提供了一种印章修复网络模型的训练方法，所述印章修复网络模型包括生成器和判别器，所述方法包括：
[0006]根据所述生成器输出的修复印章、原始印章、第一边缘区域印章和第二边缘区域印章，确定所述生成器对应的第一目标损失值；所述第一边缘区域印章与所述修复印章相关联，所述第二边缘区域印章与所述原始印章相关联；
[0007]使用所述第一目标损失值，更新所述生成器对应的第一网络参数；
[0008]根据所述判别器对应的分类结果，确定所述判别器对应的第二目标损失值；
[0009]使用所述第二目标损失值，更新所述判别器对应的第二网络参数。
[0010]可选地，所述根据所述生成器输出的修复印章、原始印章、第一边缘区域印章和第二边缘区域印章，确定所述生成器对应的第一目标损失值包括：
[0011]使用感知损失函数对所述修复印章和所述原始印章进行计算，得到第一损失值；
[0012]使用回归类损失函数对所述修复印章和所述原始印章进行计算，得到第二损失值；
[0013]使用回归类损失函数对第一边缘区域印章和第二边缘区域印章进行计算，得到第三损失值；
[0014]将所述第一损失值、所述第二损失值和所述第三损失值之间的和值，确定为所述第一目标损失值。
[0015]可选地，所述根据所述生成器输出的修复印章、原始印章、第一边缘区域印章和第二边缘区域印章，确定所述生成器对应的第一目标损失值之前，所述方法包括：
[0016]分别对所述修复印章和所述原始印章进行二值化处理，得到第一印章和第二印章；
[0017]分别对所述第一印章和所述第二印章使用边缘提取算法，得到所述第一边缘区域印章和所述第二边缘区域印章。
[0018]可选地，所述分类结果包括原始印章分类错误和/或所述修复印章分类错误，所述根据所述判别器对应的分类结果，确定所述判别器对应的第二目标损失值包括：
[0019]根据所述原始印章分类错误和/或所述修复印章分类错误，确定所述第二目标损失值。
[0020]可选地，所述方法还包括：
[0021]根据更新后的生成器和更新后的判别器，得到训练后的印章修复网络模型；
[0022]输出所述训练后的印章修复网络模型中的生成器。
[0023]可选地，在所述输出所述训练后的印章修复网络模型中的生成器之前，所述方法还包括：
[0024]对所述训练后的印章修复网络模型进行评估，得到评估结果；
[0025]若所述评估结果满足预设条件，输出所述训练后的印章修复网络模型中的生成器；
[0026]若所述评估结果未满足预设条件，对所述印章修复网络模型进行迭代训练。
[0027]可选地，所述预设条件包括以下任意一项：
[0028]所述修复印章与所述原始印章之间的均方误差小于或等于第一预设阈值；
[0029]在所述修复印章与所述原始印章之间的结构相似度大于或等于第二预设阈值；
[0030]在所述修复印章与所述原始印章之间的峰值信噪比大于或等于第三预设阈值。
[0031]可选地，所述噪声印章为对所述原始印章进行加噪处理后得到。
[0032]第二方面，本专利技术实施例提供了一种印章修复网络模型的训练装置，所述印章修复网络模型包括生成器和判别器，所述装置包括：
[0033]第一确定模块，用于根据所述生成器输出的修复印章、原始印章、第一边缘区域印章和第二边缘区域印章，确定所述生成器对应的第一目标损失值；所述第一边缘区域印章与所述修复印章相关联，所述第二边缘区域印章与所述原始印章相关联；
[0034]第一更新模块，用于使用所述第一目标损失值，更新所述生成器对应的第一网络参数；
[0035]第二确定模块，用于根据所述判别器对应的分类结果，确定所述判别器对应的第二目标损失值；
[0036]第二更新模块，用于使用所述第二目标损失值，更新所述判别器对应的第二网络参数。
[0037]可选地，所述第一确定模块，具体用于：
[0038]使用感知损失函数对所述修复印章和所述原始印章进行计算，得到第一损失值；
[0039]使用回归类损失函数对所述修复印章和所述原始印章进行计算，得到第二损失；
[0040]使用回归类损失函数对第一边缘区域印章和第二边缘区域印章进行计算，得到第三损失值；
[0041]将所述第一损失值、所述第二损失值和所述第三损失值之间的和值，确定为所述第一目标损失值。
[0042]可选地，所述装置还包括：
[0043]第一处理模块，用于分别对所述修复印章和所述原始印章进行二值化处理，得到第一印章和第二印章；
[0044]第二处理模块，用于分别对所述第一印章和所述第二印章使用边缘提取算法，得到所述第一边缘区域印章和所述第二边缘区域印章。
[0045]可选地，所述第二确定模块，具体用于：
[0046]根据原始印章分类错误和/或修复印章分类错误，确定所述第二目标损失值。
[0047]可选地，所述装置还包括：
[0048]第一训练模块，用于根据更新后的生成器和更新后的判别器，得到训练后的印章修复网络模型；
[0049]第一输出模块，用于输出所述训练后的印章修复网络模型中的生成器。
[0050]可选地，所述装置还包括：
[0051]评估模块，用于对所述训练后的印章修复网络模型进行评估，得到评估结果；
[0052]第二输出模块，用于若所述评估结果满足预设条件，输出所述训练后的印章修复网络模型中的生成器；
[0053]第二训练模块，用于若所述评估结果未满足预设条件，对所述印章修复网络模型进行迭代训练。
[0054]可选地，所述预设条件包括以下任意一项：
[0055]所述修复印章与所述原始印章之间的均方误差小于或等于第一预设阈值；
[0056]在所述修复印章与所述原始印章之间的结构相似度大于或等于第二预设阈值；
[0057]在所述修复印章与所述原始印章之间的峰值信噪比大于或等于第三预设阈值。
[0058]可选地，所述噪声印章为对所述原始印章进行加噪处理后得到。
[0059]第三方面，本专利技术实施例还提供了一种电子设备，包括本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种印章修复网络模型的训练方法，其特征在于，所述印章修复网络模型包括生成器和判别器，所述方法包括：根据所述生成器输出的修复印章、原始印章、第一边缘区域印章和第二边缘区域印章，确定所述生成器对应的第一目标损失值；所述第一边缘区域印章与所述修复印章相关联，所述第二边缘区域印章与所述原始印章相关联；使用所述第一目标损失值，更新所述生成器对应的第一网络参数；根据所述判别器对应的分类结果，确定所述判别器对应的第二目标损失值；使用所述第二目标损失值，更新所述判别器对应的第二网络参数。2.根据权利要求1所述的方法，其特征在于，所述根据所述生成器输出的修复印章、原始印章、第一边缘区域印章和第二边缘区域印章，确定所述生成器对应的第一目标损失值包括：使用感知损失函数对所述修复印章和所述原始印章进行计算，得到第一损失值；使用回归类损失函数对所述修复印章和所述原始印章进行计算，得到第二损失值；使用回归类损失函数对第一边缘区域印章和第二边缘区域印章进行计算，得到第三损失值；将所述第一损失值、所述第二损失值和所述第三损失值之间的和值，确定为所述第一目标损失值。3.根据权利要求1所述的方法，其特征在于，其中，所述分类结果包括原始印章分类错误和/或所述修复印章分类错误，所述根据所述判别器对应的分类结果，确定所述判别器对应的第二目标损失值包括：根据所述原始印章分类错误和/或所述修复印章分类错误，确定所述第二目标损失值。4.根据权利要求1
‑
3中任一项所述的方法，其特征在于，所述方法还包括：根据更新后的生成器和更新后的判别器，得到训练后的印章修复网络模型；输出所述训练后的印章修复网络模型中的生成器。5.根据权利要求4所述的方法，其特征在于，在所述输出所述训练后的印章修复网络模型中的生成器之前，所述方法还包括：对所述训练后的印章修复网络模型进行评估，得到评估结果；若所述评估结果满足预设条件，输出所述训练后的印章修复网...
【专利技术属性】
技术研发人员：方磊，石畏，徐敏，严京旗，周审章，
申请(专利权)人：北京九章云极科技有限公司，
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。