申请/专利权人：中国人寿保险股份有限公司

申请日：2024-01-03

公开（公告）日：2024-05-14

公开（公告）号：CN118038252A

主分类号：G06V20/00

分类号：G06V20/00;G06V10/82;G06V10/764;G06V10/774;G06V10/44;G06V10/80;G06V10/26;G06N3/0455;G06N3/084;G06N3/09

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.31#实质审查的生效;2024.05.14#公开

摘要：本申请涉及一种证件识别模型的训练方法、证件识别方法和装置，涉及图像处理技术领域。所述方法包括：获取训练样本及标签信息；将训练样本输入证件识别模型的特征提取网络，得到多层特征图，将多层特征图分别输入边界预测网络、特征解码网络和二元分类网络，基于边界预测网络、特征解码网络和二元分类网络各自的输出，以及训练样本对应的标签信息，确定边界预测网络的边界损失值，二元分类网络的分类损失值，第一融合损失值，以及第二融合损失值；基于边界损失值、分类损失值、第一融合损失值和第二融合损失值各自对应的收敛条件，对证件识别模型进行更新，直到得到训练好的证件识别模型。采用本方法能够提升证件识别模型的识别准确率。

主权项：1.一种证件识别模型的训练方法，其特征在于，所述证件识别模型包括特征提取网络、边界预测网络、特征解码网络以及二元分类网络，所述方法包括：获取训练样本及标签信息；所述训练样本包含两类证件图像样本，其中一类证件图像样本包含造假像素，每个证件图像样本中各像素对应有一个标签信息，所述标签信息用于标注所述像素是否存在造假；将所述训练样本输入证件识别模型的特征提取网络，得到多层特征图，将所述多层特征图分别输入边界预测网络、特征解码网络和二元分类网络，基于所述边界预测网络、特征解码网络和二元分类网络各自的输出，以及所述训练样本对应的标签信息，确定所述边界预测网络的边界损失值，所述二元分类网络的分类损失值，所述边界预测网络和所述特征解码网络的第一融合损失值，以及所述边界预测网络、特征解码网络和二元分类网络的第二融合损失值；所述边界预测网络用于预测所述训练样本中造假像素的边界，所述特征解码网络用于预测所述训练样本中各像素是否为造假像素，所述二元分类网络用于预测所述训练样本是否为包含造假像素的造假图像；基于所述边界损失值、所述分类损失值、所述第一融合损失值和所述第二融合损失值各自对应的收敛条件，对所述证件识别模型进行更新，直到得到训练好的证件识别模型。

全文数据：

权利要求：

百度查询： 中国人寿保险股份有限公司 证件识别模型的训练方法、证件识别方法和装置

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