[发明专利]一种基于mask提高证件识别准确率的方法和相关装置在审

专利信息
申请号: 202011203299.2 申请日: 2020-11-02
公开(公告)号: CN112329779A 公开(公告)日: 2021-02-05
发明(设计)人: 张懿;姜禹;张国辉;宋晨 申请(专利权)人: 平安科技(深圳)有限公司
主分类号: G06K9/34 分类号: G06K9/34;G06K9/46;G06N3/04;G06N3/08
代理公司: 深圳国新南方知识产权代理有限公司 44374 代理人: 周雷
地址: 518000 广东省深圳市福田区福*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 mask 提高 证件 识别 准确率 方法 相关 装置
【说明书】:

发明公开了一种基于mask提高证件识别准确率的方法和相关装置。方法包括:将待识别文本图像输入至训练好的证件文本识别模型中,获取与该待识别文本图像的每列图像特征分别对应的对数概率logits值分布向量;获取与该待识别文本图像对应的字符集,该字符集中包括若干个目标字符,对该对数概率logits值分布向量中非目标字符对应的logits值进行掩膜处理;然后利用softmax函数对其进行转换,得到字符类别概率分布向量,其中,掩膜处理过的logits值经过softmax函数转换后得到的字符类别概率趋近于0;最后基于各个字符类别概率分布向量确定该待识别文本图像的文本信息。通过上述方式,避免将待识别文本中不可能涉及的非目标字符识别出来,能够显著提升证件文本识别模型的识别精度。

技术领域

本发明涉及图像识别技术领域,特别是涉及一种基于mask提高证件识别准确率的方法和相关装置。

背景技术

在采用OCR(光学字符识别)技术识别海外身份证项目中,因为数据安全问题,可以用来训练的海外身份证样本非常有限,无法完全覆盖真实场景下的海外身份证识别。为了解决该问题,现有技术采用样本增强技术进行补充训练,由于通过数据增强技术生成的样本相比较于真实样本过于清晰,图像信号质量也过好,使得依然无法有效提升模型的鲁棒性。这导致在某些场景下,比如模糊或者光斑时,模型无法准确区分大写字母O和数字0,大写字母Z和数字2等,即对形状相近字符的识别准确率较低。

发明内容

基于此,本发明提供了一种基于mask提高证件识别准确率的方法和相关装置,以解决现有OCR识别技术在某些场景下无法准确识别形状相近字符的问题。

一种基于mask提高证件识别准确率的方法,所述方法包括:

构建证件文本识别模型,并对所述证件文本识别模型进行训练,其中,所述证件文本识别模型包括卷积神经网络和长短时记忆神经网络;

将待识别文本图像输入至训练后的卷积神经网络中进行特征提取,得到所述待识别文本图像的图像特征序列;

将所述图像特征序列输入至训练后的长短时记忆神经网络中进行预测,得到与所述图像特征序列中每列图像特征分别对应的对数概率logits值分布向量;

获取与所述待识别文本图像对应的字符集,所述字符集中包括若干个目标字符,对所述对数概率logits值分布向量中非目标字符对应的logits值进行掩膜处理;

利用softmax函数对掩膜处理后的对数概率logits值分布向量进行转换,得到与所述图像特征序列中每列图像特征分别对应的字符类别概率分布向量,其中,掩膜处理过的logits值经过所述softmax函数转换后得到的字符类别概率趋近于0;

基于各个所述字符类别概率分布向量确定所述待识别文本图像的文本信息。

在其中一个实施例中,所述对所述对数概率logits值分布向量中非目标字符对应的logits值进行掩膜处理,包括:

将所述对数概率logits值分布向量中非目标字符对应的logits值替换为无穷小值。

在其中一个实施例中,所述对所述证件文本识别模型进行训练,包括:

获取待训练证件图像,对所述待训练证件图像进行文本定位,获取待训练文本的位置信息;

根据所述待训练文本的位置信息从所述待训练证件图像中截取所述待训练文本所在区域作为待训练文本图像;

将所述待训练文本图像输入至卷积神经网络中进行特征提取,获取待训练图像特征序列;

将所述待训练图像特征序列输入至长短时记忆神经网络中进行训练,获取长短时记忆神经网络的输出值;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于平安科技(深圳)有限公司,未经平安科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011203299.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top