[发明专利]一种发票分块检测方法

权利要求书

1.一种发票分块检测方法，其特征在于，所述方法包括以下步骤：

采集待检测发票图像；

将待检测发票图像输入至已训练好的深度学习模型中，回归得到发票图像的块区域和对应的分类类别；

根据分类类别从块区域中提取目标块区域，输出被检测发票图像及对应的目标块区域图像。

2.根据权利要求1所述的一种发票分块检测方法，其特征在于：所述深度学习模型为Yolov3网络中的Darknet-53神经网络模型。

3.根据权利要求2所述的一种发票分块检测方法，其特征在于：所述深度学习模型的训练方法包括：

采集发票图像构建训练样本集；

为训练样本集中发票图像标记标签，使标签边框与发票图像的待检测区域重合；

针对标记后的发票图像，创建训练数据，生成对应的索引文件；

将训练样本集中发票图像对应的训练数据和标签输入至Darknet-53神经网络模型中，获取权重文件；

将索引文件及权重文件加载至Darknet-53神经网络模型的测试脚本中，完成深度学习模型的训练。

4.根据权利要求3所述的一种发票分块检测方法，其特征在于：采用Label Img进行标签标记。

5.根据权利要求1所述的一种发票分块检测方法，其特征在于：所述索引文件包括：my.cfg、my.data、my.name、train.txt文件。

6.根据权利要求1所述的一种发票分块检测方法，其特征在于：方法还包括为Yolov3网络创建发票类别，Yolov3网络中无关类别全部屏蔽，不予检测。

7.根据权利要求1所述的一种发票分块检测方法，其特征在于：所述目标区域通过调用Python-OpenCV的cv2模块提取。

8.根据权利要求1所述的一种发票分块检测方法，其特征在于：所述分类类别的分类方法包括以下步骤：

采用Label Img为被检测发票图像打标签时，按块区域的不同，

划分成不同的类别；给不同类别取相应的变量名，即类别名称；

根据类别名称确定分类类别。