[发明专利]基于神经网络的印章匹配方法、系统、设备及存储介质

权利要求书

1.一种基于神经网络的印章匹配方法，其特征在于，包括训练阶段和预测阶段，所述训练阶段包括以下步骤：

S110、对N种带印章和真实标签的印章样本图案进行预处理并对每个像素的每个色彩通道进行归一化，自所述印章样本图案独立提取特征图矩阵，每个所述像素的每个色彩通道作为独立卷积核；

S120、训练预测网络，根据每个所述特征图矩阵转化为一个一维矩阵C_in，根据所述一维矩阵C_in获得特征矩阵X，X＝N×C_in，对每个所述特征矩阵X中的所有元素进行归一化，获得归一化后的特征矩阵X_norm；

S130、获得每个所述特征矩阵X的权重矩阵W，W＝C_in×C_out，C_out表示分类印章的一行N列的类别矩阵每一列分别对应一种印章类别，并对权重矩阵W中的所有元素进行归一化，获得归一化后的权重矩阵W_norm；

S140、获得N行C_out列的预测向量矩阵cosθ，

cosθ＝X_norm×W_norm；

S150、根据真实标签从预测向量cosθ中选择对应的值为所述真实标签对应的类别所预测的角度，获取反余弦得到角度

S160、对所有由真实标签对应的角度值加上惩罚角度m，所述惩罚角度m的取值范围是[25°，35°]其他角度值保持原有角度

S180、计算损失函数Loss，通过训练令损失函数减小；

N为印章样本数，n为印章类别数，θ_j表示权重W和特征向量x之间的角度，表示真实标签对应的类别所预测的角度，m表示对预测角度的惩罚角度，s表示对特征的尺度的放大。

2.根据权利要求1所述的基于神经网络的印章匹配方法，其特征在于，所述预测阶段至少包括以下步骤：

S210、对N种带印章和真实标签的印章样本图案进行预处理并对每个像素的每个色彩通道进行归一化，自所述印章样本图案独立提取特征图矩阵，每个所述像素的每个色彩通道作为独立卷积核；

S220、输入训练好的预测网络，根据每个所述特征图矩阵转化为一个一维矩阵C_in，根据所述一维矩阵C_in获得特征矩阵X，X＝N×C_in，对每个所述特征矩阵X中的所有元素进行归一化，获得特征矩阵X_norm；

S230、获得每个所述特征矩阵X的权重矩阵W，W＝C_in×C_out，C_out表示分类印章的一行N列的类别矩阵每一列分别对应一种印章类别，并对权重矩阵W中的所有元素进行归一化，获得特征矩阵W_norm；

S240、获得N行C_out列的预测向量矩阵cosθ，

cosθ＝X_norm×W_norm；

根据所述预测向量矩阵cosθ，预测向量矩阵cosθ的每一列分别对应一种印章类别，输出预测向量矩阵cosθ中元素值最大的一个元素所在的列对应的印章类别。

3.根据权利要求1或2所述的基于神经网络的印章匹配方法，其特征在于，对所述色彩通道进行归一化包括以下步骤：

S111、预设的图片像素尺寸对所述印章样本图案进行缩放；

S112、随机更改所述印章样本图案的亮度、对比度、饱和度、旋转角度；

S113、对所述印章样本图案的每个像素的每个色彩通道进行归一化。

4.根据权利要求3所述的基于神经网络的印章匹配方法，其特征在于，所述步骤S113中，包括以下步骤：

S1131、获得所述印章样本图案的每个像素的每个色彩通道的值Y；

S1131、通过排序，获得RGB和值的最高的值Y_max以及最低值Y_min；

S1132、获得所述印章样本图案的每个像素归一化后的值Y_norm，