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。

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