[发明专利]一种负样本标注训练方法及高度自动化的票据识别方法

说明书

本发明属于智能做账技术领域，提出了一种负样本标注训练方法及高度自动化的票据识别方法，包括训练负样本标注模型；构建票据仓库D；根据票据仓库D中的票据图片，通过深度学习方法训练票据内容识别模型F；加载票据内容识别模型F；票据识别；对识别错误次数大于两次的票据，输入负样本标注模型、重新进行标注，然后放入票据仓库D中，重新训练票据内容识别模型F、重新进行票据识别。通过上述技术方案，解决了现有技术中票据识别人工劳动强度大、工作效率低的问题。

技术领域

本发明属于智能做账技术领域，涉及一种负样本标注训练方法及高度自动化的票据识别方法。

背景技术

近几年随着经济高速发展，票据是必不可少的沟通“桥梁”。由于票据繁多，票据字段丰富等问题，传统的手动录入模式无法适应现代企业进步的节奏，因此解决票据录入问题迫在眉睫。在某些方面，机器视觉自动化识别录入比人手动录入更具优势，票据识别系统可以基于数据和图像分析进行高精度，高效率和高度自动化的识别分类各类票据任务。票据识别系统不但可以减轻工作任务和压力提高办公效率，还可以解决人工成本上涨与劳动力不足带来的矛盾，同时推进数字化、信息化、智能化进程。人们逐渐将OCR技术应用于票据识别领域。

目前市场上的光学字符识别系统IOCR(Invoice Optical CharacterRecognition)识别准确率低、识别种类局限、无法对新型票据支持，同时在实际运行的过程中会涉及到大量的人工操作，如人工审票、选出未识别或识别错误的票据(即负样本)，对负样本重标注、票据的管理等，大大增加了票据识别系统的复杂度和人力成本。

发明内容

本发明提出一种负样本标注训练方法及高度自动化的票据识别方法，解决了现有技术中票据识别人工劳动强度大、工作效率低的问题。

本发明的技术方案是这样实现的：一种负样本标注模型训练方法，包括

S0：选取负样本的训练样本集A，将负样本的训练样本集A中的票据进行人工标注，得到真实标注框的偏移量集合B，根据人工标注结果给定一个真实框置信度Y^*；

S1：使用VGG16作为网络模型，并结合金字塔特征网络抽取出不同尺寸卷积核的特征图；

S2：特征融合，将步骤S1中提取的最后一层特征图使用双线性差值法进行上采样，然后将该特征图与前一层的特征图进行合并，依次进行融合，输出预测标注框的偏移量集合C和预测框置信度；

S3：优化损失函数L，得到负样本标注模型E，包括

S31：计算真实框损失函数L_s，具体为：

其中，β属于超参数，表示正样本与负样本的平衡因子；

S32：根据真实标注框的偏移量集合B和预测标注框的偏移量集合C，计算几何损失函数L_g；

S33：计算损失函数L，具体为

L＝L_s+λ_gL_g

其中，λ_g属于超参数，表示权重；

S34：根据损失函数L的值，不断修正预测标注框的偏移量集合C、Y^*、，β和λ_g，重复步骤S31～S33，直到损失函数L的值达到设定范围，负样本标注模型E训练完成。

进一步，真实标注框和预测标注框均为矩形，步骤S32中几何损失函数L_g的计算过程具体为：

L_g＝L_AABB+λ_θL_θ