[发明专利]一种高度自动化的票据分类方法及系统

权利要求书

1.一种高度自动化的票据分类方法，其特征在于：包括分类模型训练的步骤，所述分类模型训练的步骤包括

获得票据样本集A；

配置基础网络模块(300)对票据样本集A进行特征提取，输出特征图一(302)；

配置G-Stream模块(310)关注全局信息，所述G-Stream模块(310)包括依次连接的卷积层一、全卷积模块一(311)和损失函数一计算模块，

所述卷积层一的输入为特征图一(302)，所述损失函数一计算模块用于计算损失函数一loss_g；

配置P-Stream模块(320)关注局部关键信息，所述P-Stream模块(320)包括依次连接的卷积层二、全局最大池化模块、全卷积模块二(322)和损失函数二计算模块，

所述卷积层二的输入为特征图一(302)，所述全局最大池化模块的输出为特征图二(321)，所述损失函数二计算模块用于计算损失函数二loss_p；

配置S-Stream监督模块(330)，所述S-Stream监督模块(330)包括依次连接的平均池化模块三和损失函数三计算模块，

所述平均池化模块三的输入为特征图二(321)，所述损失函数三计算模块用于计算损失函数三loss_s；

根据损失函数一loss_g、损失函数二loss_p和损失函数三loss_s计算总损失函数loss_total，具体为：

loss_total＝λ*loss_g+β*loss_p+γ*loss_s

其中，λ、β、γ为权重系数；

判断总损失函数loss_total是否达到设定阈值，如果是，则分类模型训练的步骤完成，得到票据分类模型D，否则调整基础网络模块(300)、G-Stream模块(310)、P-Stream模块(320)和S-Stream监督模块(330)的参数，重新执行所述分类模型训练的步骤。

2.根据权利要求1所述的一种高度自动化的票据分类方法，其特征在于：损失函数一loss_g、损失函数二loss_p和损失函数三loss_s的计算均采用L-Softmax函数，其中，损失函数一loss_g的计算过程具体为：

S121：计算特征向量x_i与权重W_yi的夹角：

其中：特征向量x_i为全卷积模块一(311)的输出，x_i对应的标签是y_i，x_i对应的权重是W_yi；

S122：计算mθ_yi倍角度的余弦值：

其中，m用来调节训练难度，m∈N^*；

S123：计算ψ(θ_yi)：

ψ(θ_yi)＝(-1)^k*cos(mθ_yi)-2*k

其中：

S124：计算损失函数一loss_g：

3.根据权利要求1所述的一种高度自动化的票据分类方法，其特征在于：所述全卷积模块一(311)包括依次连接的卷积层三、BN、ReLU和平均池化模块一，

所述卷积层三的输入与卷积层一连接，平均池化模块一的输出与损失函数一计算模块连接。

4.根据权利要求1所述的一种高度自动化的票据分类方法，其特征在于：所述全卷积模块二(322)包括依次连接的卷积层四和平均池化层二，

所述卷积层四的输入与所述全局最大池化模块连接，所述平均池化层二的输出与损失函数二计算模块连接。