[发明专利]基于迁移学习的证卡识别方法、装置、设备及可读介质

说明书

本发明实施例公开了一种及基于迁移学习的证卡识别方法、装置、设备以及可读介质，所述方法包括：接收图片识别请求，所述图片识别请求包括待识别证卡图片；将所述待识别证卡图片输入预训练的目标证卡识别模型，获取所述目标证卡识别模型的输出结果，将所述输出结果确定为与所述待识别证卡图片对应的目标证卡类型。本发明提高了查勘时证卡识别的准确率和效率。

技术领域

本发明涉及计算机数据处理领域，尤其涉及一种基于迁移学习的证卡识别方法、装置、设备及可读介质。

背景技术

在交通险出险报案后，保险公司通常需要派专人或委托公估公司到案件现场进行查勘。而现场查勘最重要的环节之一就是收集包括身份证、驾驶证、行驶证、银行卡等在内的相关证件、车辆相关信息。

现有技术中，在采集证卡照片的环节，一般是由工作人员人工对上述这些重要证件的正反面进行拍照，并由工作人员按照对应的类型先分类再上传以便后续理赔的审核和处理。

这个过程存在的问题在于一方面作业人员的手工分类在分类上传效率较低的同时，容易存在证卡图片误分类的情况，另一方面，容易存在质量较低的图片被作为证据上传到系统中，这些都会造成车险理赔的时间和人力成本的浪费，并且影响到用户理赔体验。

发明内容

基于此，有必要针对上述问题，提出一种基于迁移学习的证卡识别方法、装置、计算机设备及可读介质。

一种基于迁移学习的证卡识别方法，其特征在于，所述方法包括：

接收图片识别请求，所述图片识别请求包括待识别证卡图片；

将所述待识别证卡图片输入预训练的目标证卡识别模型，获取所述目标证卡识别模型的输出结果，将所述输出结果确定为与所述待识别证卡图片对应的目标证卡类型。

其中，所述方法还包括：

获取训练数据集，所述训练数据集包括多个训练样本，所述训练样本包括多个证卡样本图片以及与该证卡样本图片对应的证卡类型识别样本结果；

加载预训练的神经网络模型，以所述证卡样本图片作为输入、所述证卡类型识别结果作为输出，对所述预训练的神经网络模型进行训练，以获取所述训练完成的目标证卡识别模型。

可选的，在对所述预训练的神经网络模型进行训练之后，还包括：

获取验证数据集，所述验证数据集包括多个验证样本，所述验证样本包括预设条件下采集的证卡验证样本图片以及与该证卡验证样本图片对应的证卡类型识别样本结果；

将所述证卡验证样本图片输入所述训练完成的目标证卡识别模型，获取所述训练完成的目标证卡识别模型输出的证卡类型识别结果；

判断所述证卡类型识别结果是否与所述证卡类型识别验证样本结果相同，根据所述判断结果对所述目标证卡识别模型进行校正。

可选的，在对所述训练完成的目标证卡识别模型进行校正之后，还包括：

获取测试数据集，所述测试数据集包括多个测试样本，所述测试样本包括测试证卡样本图片以及与该测试证卡样本图片对应的证卡类型识别样本结果；

将所述测试证卡样本图片集输入所述训练完成的目标证卡识别模型，获取所述训练完成的目标证卡识别模型输出的测试证卡类型识别结果；

将所述测试识别证卡类型与所述测试证卡样本图片对应的证卡类型识别样本结果进行比对，根据比对结果对所述目标证卡识别模型进行调整。

对应的，根据比对结果对所述目标证卡识别模型进行优化的过程，包括：

根据所述比对结果确定出错分测试样本和所述错分测试样本对应的测试识别证卡类型；