申请/专利权人:河北工业大学
申请日:2024-01-16
公开(公告)日:2024-04-16
公开(公告)号:CN117893411A
主分类号:G06T5/00
分类号:G06T5/00;G06N3/0475;G06N3/045;G06N3/094;G06N3/0464
优先权:
专利状态码:在审-公开
法律状态:2024.04.16#公开
摘要:本发明为一种基于SealF‑CycleGAN网络的图像印章消除方法。该方法首先融合了ResNet和Unet两个网络,构成UResNet网络,其次使用了双重残差的ResNet网络,最后在网络中加入了频率通道注意力FCA模块,整体构成SealF‑CycleGAN网络。本发明利用了SealF‑CycleGAN进行印章消除,完成对图像上的印章消除工作,在有效消除印章的同时,更多的保留原始图像上被印章盖住的文字信息,还原出原始图像,间接地提高识别的准确率。
主权项:1.一种基于SealF-CycleGAN网络的图像印章消除方法,其特征为该方法包括以下步骤:步骤一、构建SealF-CycleGAN网络;所述SealF-CycleGAN网络包括生成网络和鉴别器,生成网络为两个结构相同的生成器G:X→Y和F:Y→X,SealF-CycleGAN网络生成器的结构为输入卷积模块、下采样模块、精炼模块、上采样模块、输出卷积模块;所述的SealF-CycleGAN网络的构建过程如下:第1步:选取Unet网络的下采样和上采样部分,作为SealF-CycleGAN网络的下采样和上采样模块,选取ResNet网络,作为SealF-CycleGAN网络的精炼模块,从而构建出一种融合了Unet和ResNet网络的UResNet结构的生成网络;第2步:将UResNet网络中精炼部分结构替换,使用双重残差的ResNet网络结构,得到一种使用双重残差的UResNet网络;第3步:将使用双重残差的UResNet网络中的下采样、精炼、上采样模块中分别加入频率通道注意力FCA模块,从而构成SealF-CycleGAN网络;步骤二、在得到SealF-CycleGAN的网络构建后,对网络进行训练,包括如下步骤:第1步:对数据集中的图像统一处理成512*512像素,将预处理后的数据集按9:1比例划分为训练集和测试集,得到SealF-CycleGAN网络训练数据集;其中训练集包含带有印章和不带有印章的图像,而测试集只包括带有印章的图像;第2步:将数据集处理后,设置网络训练参数,完成训练前全部准备工作;第3步:将训练集送入网络进行训练,得到训练后的模型,利用训练得到的模型进行测试;步骤三、将带有印章的图像输入到已经训练好的SealF-CycleGAN网络中,输出处理后的图像,得到消除印章后的图像。
全文数据:
权利要求:
百度查询: 河北工业大学 基于SealF-CycleGAN网络的图像印章消除方法
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。