申请/专利权人：深圳市上融科技有限公司

申请日：2023-11-13

公开（公告）日：2024-02-27

公开（公告）号：CN117236297B

主分类号：G06F40/169

分类号：G06F40/169;G06F40/205;G06F40/30;G06N3/042;G06N3/0464;G06N3/0442;G06N3/045;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.02.27#授权;2024.01.02#实质审查的生效;2023.12.15#公开

摘要：本发明涉及领域，尤其涉及一种基于PDF跨页签字的实现方法。首先，构建融合模型，通过图卷积网络提取图像特征、长短时记忆网络提取文本特征、自注意力机制赋予不同特征不同的权重、强化学习优化模型参数，并找到最优的模型参数；其次，引入自适应性元学习策略，优化模型结构；然后，通过非欧几里得空间变换方法对图像进行空间变换，提取图像特征，计算签字区域的坐标，并对坐标进行优化；最后，提出基于多维空间映射的动态渲染算法。解决了现有技术没有深度分析PDF文档的语义和结构；缺乏足够的适应性和泛化能力；在复杂的文档结构中无法精确找到签字区域；签字图像与PDF文档没有自然融合，渲染效果不理想，影响签字图像的清晰度和可读性的问题。

主权项：1.一种基于PDF跨页签字的实现方法，其特征在于，包括以下步骤：S100：构建融合模型，首先处理图像数据，通过图卷积网络提取图像特征，公式如下： 其中，表示图卷积网络的输出，是图卷积网络的参数，是图像数据，是用来规范化图卷积网络的输出，是邻接矩阵的元素，表示图像中第i个和第j个像素点之间的连接关系，是图像数据的第j个像素点，和是权重和偏置，是激活函数；然后处理文本数据，通过长短时记忆网络提取文本特征；接着采用自注意力机制加权融合图像和文本特征，通过计算特征之间的相似性，自注意力机制赋予不同特征不同的权重；并通过强化学习优化模型参数，并找到最优的模型参数，融合模型的公式如下： 其中，表示融合模型的输出，表示模型的融合操作，表示长短时记忆网络的输出，表示自注意力机制的输出，是输入的文本数据，是长短时记忆网络的参数，是自注意力机制的参数；引入多任务学习和贝叶斯优化，定义语义分析和位置识别的损失函数；S200：引入自适应性元学习策略，使融合模型适应不同类型的PDF文档，优化模型结构；具体的，定义内部表示调整函数，所述内部表示调整函数通过梯度上升来优化模型的内部表示，具体的调整公式如下： 其中，是调整后的模型内部表示，是融合模型的初始内部表示，是验证集上的损失，是超参数，是梯度，是激活函数；在对融合模型的内部表示进行调整后，定义任务适应性调整函数，所述任务适应性调整函数通过梯度上升来优化模型的任务适应性，具体的调整公式如下： 其中，是调整后的模型，是超参数，是总损失，是语义分析和位置识别损失的加权和；通过正则化和参数更新来防止模型过拟合，并优化模型的泛化能力，具体的更新公式如下： 其中，表示更新后的模型，是正则化参数，是超参数，是模型的正则化项，是逆操作，用于计算模型参数的逆；S300：通过非欧几里得空间变换方法对图像进行空间变换，提取图像特征，计算签字区域的坐标，并对坐标进行优化；S400：提出基于多维空间映射的动态渲染算法；具体的，将签字图像和PDF文档映射到多维空间中，分别表示为和，在多维空间中，计算签字图像与PDF文档的融合参数，的数学模型表示为： 其中，和分别为和中的点；将多维空间中融合后的结果映射回二维空间，得到最终的渲染图像，数学模型表示为： 其中，代表签字图像与目标区域融合后的结果，表示多维映射；并优化渲染效果，数学模型表示为： 其中，为优化参数，决定了锐化和平滑操作的权重，代表优化渲染效果后的图像，表示像素点坐标，表示对签字图像进行锐化操作，表示对签字图像进行平滑操作。

全文数据：

权利要求：

百度查询： 深圳市上融科技有限公司 一种基于PDF跨页签字的实现方法

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