[发明专利]一种基于深度神经网络的出入境验讫章识别方法及装置

权利要求书

1.一种基于深度神经网络的出入境验讫章识别方法，其特征在于：所述方法包括：

对目标印章进行回归剪裁，即设计回归剪裁网络，来检测印章图片中包含的国家和日期信息，并将其定位；

对于国家检测部分：通过搭建细粒度识别分类网络将检测出的国家进行识别分类；

对于日期检测识别部分：定位一张完整的印章图片中所有的日期信息并且进行剪裁，分成若干个时间信息块进行日期检测，将检测出的日期信息进行识别，给出准确的日期，从而可以判断出入境人员在境外国家的活动时间。

2.根据权利要求1所述的识别方法，其特征在于：所述对目标印章进行回归剪裁，即设计回归剪裁网络，来检测印章图片中包含的国家和日期信息，并将其定位；具体为：

步骤一：搭建由卷积和残差网络堆叠而成的主干网络，该主干网络由五个使用CSP网络的分块组成；

步骤二：搭建池化网络；所述池化网络分为四支线，前三支线对池化网络的输入特征分别进行5*5、9*9、13*13步长为1的最大池化，第四支线不对池化网络的输入特征进行池化，最后把四条支线的池化结果进行route相加；

步骤三：搭建上采样网络，共上采样两次：首先对池化网络的输出特征进行卷积，而后进行上采样操作，对所得到的输出特征再次进行卷积，并将卷积后的特征再次进行上采样；

步骤四：搭建头部网络；共有三个头部作为输出：前两个头部网络分别进行2次1步长卷积，第三个头部网络进行1次1步长卷积；

步骤五：输入图片数据通过步骤一至步骤四搭建的网络进行特征提取，对提取后的特征应用特征金字塔，采用三个尺度再次提取特征，得到印章的特征图，对得到的印章的特征图进行国家检测和日期检测识别。

3.根据权利要求2所述的识别方法，其特征在于：在步骤五中，所述得到的印章的特征图包括与国家检测相关的多尺度特征图和与日期检测相关的特征图。

4.根据权利要求3所述的识别方法，其特征在于：所述国家检测部分具体流程为：

搭建国家检测网络：设置网络层数和节点数，设置输入输出的格式，输入为步骤五得到的印章的特征图，输出为印章对应的类别；

在区域预测阶段，将步骤五得到的与国家检测相关的多尺度特征图的每一层用ReLu激活，而后maxpooling，接着采用RPN来产生anchors，而后用非极大值抑制选出最能影响最后结果的前N个预测框从而得到预测区域；该网络在进行区域预测训练时，采用的loss函数为：

其中，I_i,I_j∈{I₁,I₂,…,I_M}为预测出来的M个预测框和其带有的信息量，C_i,C_j∈{C₁,C₂,…,C_M}为将这M个预测框输入全连接网络+softmax网络后的置信度，f(x)＝max{1-x,0}；

将预测出来的区域剪裁出来并进行缩放至步骤五的输入大小；

在网络矫正训练阶段，将缩放后的特征图输入全连接网络，而后接softmax进行预测从而对预测出来的区域进行矫正，所述矫正训练阶段的映射函数记为g(x)，该网络在进行矫正训练时的loss函数为：

其中，R_i∈{R₁,R₂,…,R_M}为预测出来的预测框，X为原图；

在类别预测阶段，将缩放后的特征图和原图的特征图输入卷积层提取特征后，将所提取特征连在一起，输入全连接层后利用softmax输出其预测的类别，所述类别预测阶段的映射函数记为h(x)，其loss函数为：

L₃＝-logh(X,R₁,R₂,…,R_M)

将区域预测阶段、矫正训练阶段和类别预测阶段的loss函数进行整合，得到最后的loss函数为：

L＝L₁+L₂+L₃。