申请/专利权人：西安工业大学

申请日：2021-01-27

公开（公告）日：2024-04-09

公开（公告）号：CN112800946B

主分类号：G06V30/412

分类号：G06V30/412;G06V30/148;G06V30/19;G06V40/16;G06V10/82;G06N3/0475;G06N3/045

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2021.06.01#实质审查的生效;2021.05.14#公开

摘要：本发明涉及改进AlexNet对不平衡小样本污损发票识别方法。该方法主要如下：针对数据集中的正负样本不平衡问题，利用DCGAN生成对抗网络生成相似的数据样本增加受损发票多样性。再是对AlexNet网络进行针对性改进，有三个改进点：一是加入了1*1卷积核，既帮助减少模型参数，又能增加网络层深度，提升网络模型的特征提取能力；二是加入了通道洗牌模块，将各种特征打乱分布，提高网络对于图片多种特征的更深层次的抓取能力和网络识别的泛化能力和鲁棒性；三是加入了SE模块，通过对特征通道间的相关性进行建模，强化重要的特征来提升准确率。本发明通过这三点改进AlexNet用于发票识别，针对实际中遇到的破损发票的识别率以及提高识别方法的泛化性和鲁棒性。

主权项：1.一种污损发票识别方法，包括以下步骤：步骤1，获得并预处理破损发票数据集；步骤2，处理破损发票数据集的不平衡问题，设计对抗神经网络模型，对数据集中少量的一方进行训练，然后利用训练好的生成网络生成与训练数据服从近似分布的新样本；步骤3，搭建卷积神经网络经典网络模型AlexNet作为特征提取器；步骤4，在AlexNet网络的第四层卷积层后增加一层通道洗牌卷积层；步骤5，在AlexNet网络第三层卷积层和第四层卷积层之间增加一个1×1卷积；步骤6，在AlexNet网络第一层卷积层和池化层之后加入SE模块进行特征通道的权重分配，提取更有用的特征，提高网络正确率：一组特征在上一层被输出，这时候分两条路线，第一条直接通过，第二条首先进行Squeeze操作，把每个通道2维的特征压缩成一个1维，从而得到一个特征通道向量，每个数字代表对应通道的特征；然后进行Excitation操作，把这一列特征通道向量输入两个全连接层和sigmoid，建模出特征通道间的相关性，得到的输出是每个通道对应的权重，把这些权重通过Scale乘法通道加权到原来的特征上，完成了特征通道的权重分配；步骤7，训练：用扩充后的发票数据集作为样本库训练改进的AlexNet网络，设置3500个epoch，直至训练准确率稳定；步骤8，预测：针对训练好的在AlexNet网络模型，在新的未知图像做预；所述步骤1中，收集若干张有污损的发票，首先将发票字符串图像作为下一步待切割的图像，将发票的信息区域进行切割和提取，获取到发票上的关键信息，包括纳税人识别号、发票号码、发票校验码、税额、税率、金额、数量、单价，所述金额包括数字和汉字；所述步骤2中，包括分别设计DCGAN对抗生成网络中的生成网络结构、判别网络结构和训练过程中迭代次数、损失函数和优化参数的方法。

全文数据：

权利要求：

百度查询： 西安工业大学 一种污损发票识别方法

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