申请/专利权人：北京易道博识科技有限公司

申请日：2020-04-20

公开（公告）日：2023-08-04

公开（公告）号：CN111553363B

主分类号：G06V30/148

分类号：G06V30/148;G06V10/82;G06N3/0464;G06N3/042;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2023.08.04#授权;2020.09.11#实质审查的生效;2020.08.18#公开

摘要：本发明公开了一种端到端的图章识别方法及系统，属于图像处理领域。该方法包括：输入原始图章图像，并提取原始图章图像的卷积网络特征图；基于卷积网络特征图，通过文本框定位网络定位原始图章图像中的文本框；通过卷积网络特征图和文本框的位置，获取文本框包含文字特征对应的文字编码，得到文本信息；通过卷积网络特征图和文本框的位置获取图网络特征，并通过图网络特征推理得到各文本框之间的关联关系；根据关联关系合并文本框以及文本信息，得到每一个关联的文本行几何信息以及相应的文本行信息，并输出结果。本发明可以处理所有可能的不规则的图章，在一个训练环节完成整个图章识别的所有步骤，真正做到自动化学习。

主权项：1.一种端到端的图章识别方法，其特征在于，所述方法包括：步骤1：输入原始图章图像，并提取所述原始图章图像的卷积网络特征图；步骤2：基于卷积网络特征图，通过文本框定位网络定位所述原始图章图像中的文本框；步骤3：通过卷积网络特征图和文本框的位置，获取文本框包含文字特征对应的文字编码，得到文本信息；步骤4：通过卷积网络特征图和文本框的位置，获取图网络特征，并通过所述图网络特征推理得到各文本框之间的关联关系；步骤5：根据关联关系合并文本框以及文本信息，得到每一个关联的文本行几何信息以及相应的文本行信息，并输出结果，其中，所述步骤4具体包括：步骤41：对文本框的坐标信息进行卷积网络特征嵌入；步骤42：提取文本框内已有的卷积网络特征；步骤43：提取该文本框跟周边其他文本框的局部图特征；步骤44：将嵌入的卷积网络特征、已有的卷积网络特征以及局部图特征进行融合，形成图网络特征；步骤45：将所述图网络特征输入图卷积神经网络,计算各文本框相互之间的关联关系，通过关联关系表述文本框之间的先后顺序以及连接关系，其中，步骤44中，将嵌入的卷积网络特征、已有的卷积网络特征以及局部图特征进行融合的方式为：步骤441：将文字框的坐标信息通过几何特征嵌入方法，得到第一特征向量；步骤442：提取文本框内已有的卷积网络特征，并展开成第二特征向量；步骤443：将第一特征向量和第二特征向量进行concat，得到该文本框的节点特征向量，并进行特征的归一化，得到归一化特征向量F；步骤444：以文本框几何中心点为中心节点，依据空间相似度寻找中心节点的二阶邻阶，得到文本框的相邻特征向量A，相邻的置为1，不相邻的置为0；步骤445：最后得到图网络特征A，F。

全文数据：

权利要求：

百度查询： 北京易道博识科技有限公司 一种端到端的图章识别方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD