System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像处理,尤其涉及一种图像处理方法。
技术介绍
1、随着金融科技的发展,对账服务是客户与银行之间重要的业务。其中,纸质账单对账的方式需要在用户确认后,进行收回并通过扫描纸质账单来获取数据。因此,识别提取对账单图像中的数据信息是重要的。
2、现有技术中,对账单图像的处理通常是利用超像素分割或随机森林分类器分割等技术。但是,上述方法中存在一定的局限性。如需要人工选择超像素个数需要人工选择、长距离像素间的关系获取有限、忽略通道上下文之间的依赖,而且绝大多数技术方案都是针对单一类别而提出的,如利用形状、颜色等特征信息进行粗略划分。另外,随着深度学习的发展,对账单图像的识别处理可以利用全监督深度神经网络的方法实现,但是上述方式中需要为账单图像中的每个像素点设置分割标签,会耗费大量的人力成本和时间。基于此,本专利技术提出了利用弱监督的图像识别模型对待处理图像进行识别处理的技术方案。
技术实现思路
1、本专利技术提供了一种图像处理方法,提高了对待处理图像识别的准确率和效率,同时可以根据识别结果获得待处理图像中的准确数据信息。
2、根据本专利技术的一方面,提供了一种图像处理方法,该方法包括:
3、获取待处理图像;
4、基于图像识别模型对待处理图像进行识别处理,确定与待处理图像对应的识别结果;
5、其中,识别结果中包括前景识别标识和背景识别标识,图像识别模型包括区域抑制模块和像素通道关系模块,图像识别模型在训练阶段的损失值包括
6、基于识别结果,确定与待处理图像对应的前景信息和背景信息。
7、根据本专利技术的另一方面,提供了一种图像处理装置,该装置包括:
8、图像获取模块,用于获取待处理图像;
9、识别结果确定模块,用于基于图像识别模型对待处理图像进行识别处理,确定与待处理图像对应的识别结果;其中,识别结果中包括前景识别标识和背景识别标识,图像识别模型包括区域抑制模块和像素通道关系模块,图像识别模型在训练阶段的损失值包括基于孪生模型分支确定的正则损失和基于模型输出结果确定的损失;
10、信息确定模块,用于基于识别结果,确定与待处理图像对应的前景信息和背景信息。
11、根据本专利技术的另一方面,提供了一种电子设备,该电子设备包括:
12、至少一个处理器;以及
13、与至少一个处理器通信连接的存储器;其中,
14、存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行本专利技术任一实施例的图像处理方法。
15、根据本专利技术的另一方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机指令,计算机指令用于使处理器执行时实现本专利技术任一实施例的图像处理方法。
16、本专利技术实施例的技术方案,通过获取待处理图像,并基于图像识别模型对待处理图像进行识别处理,确定与待处理图像对应的识别结果;其中,识别结果中包括前景识别标识和背景识别标识,图像识别模型包括区域抑制模块和像素通道关系模块,图像识别模型在训练阶段的损失值包括基于孪生模型分支确定的正则损失和基于模型输出结果确定的损失;进一步的,基于识别结果,确定与待处理图像对应的前景信息和背景信息。解决了现有技术中图像识别的局限性以及人工标注耗费大量时间成本的问题,提高了对待处理图像识别的准确率和效率,同时可以根据识别结果获得待处理图像中的准确数据信息。
17、应当理解,本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征,也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种图像处理方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,还包括:
3.根据权利要求2所述的方法,其特征在于,还包括:
4.根据权利要求3所述的方法,其特征在于,所述第一模型分支中包括卷积神经网络模块、区域抑制模块、像素关系通道模块,所述将当前训练样本的第一待训练图像输入至所述待训练图像识别模型的第一模型分支中,得到与所述框选标注区域对应的第一预测特征图像,包括:
5.根据权利要求4所述的方法,其特征在于,所述将所述待抑制特征图像输入至所述区域抑制模块中,得到区域抑制图像,包括:
6.根据权利要求5所述的方法,其特征在于,所述基于所述抑制像素值以及所述待抑制特征图像,得到待比较抑制图像,包括:
7.根据权利要求5所述的方法,其特征在于,所述对所述待比较抑制图像和所述待抑制特征图像进行比较处理,确定区域抑制图像,包括:
8.根据权利要求4所述的方法,其特征在于,所述像素通道关系模块包括像素关系单元以及通道关系单元,所述基于像素通道关系模块对所述区域抑制图像进行处理,得到所述
9.根据权利要求8所述的方法,其特征在于,所述基于所述通道关系单元中的至少一个卷积层对所述像素关系特征图像在通道上处理,得到第一预测特征图像,包括:
10.根据权利要求3所述的方法,其特征在于,所述基于所述第一预测特征图像和所述第二预测特征图像,确定正则损失值,包括:
...【技术特征摘要】
1.一种图像处理方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,还包括:
3.根据权利要求2所述的方法,其特征在于,还包括:
4.根据权利要求3所述的方法,其特征在于,所述第一模型分支中包括卷积神经网络模块、区域抑制模块、像素关系通道模块,所述将当前训练样本的第一待训练图像输入至所述待训练图像识别模型的第一模型分支中,得到与所述框选标注区域对应的第一预测特征图像,包括:
5.根据权利要求4所述的方法,其特征在于,所述将所述待抑制特征图像输入至所述区域抑制模块中,得到区域抑制图像,包括:
6.根据权利要求5所述的方法,其特征在于,所述基于所述抑制像素值以及所述待抑制特征图...
【专利技术属性】
技术研发人员:李志远,
申请(专利权)人:中国农业银行股份有限公司,
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。