[发明专利]一种基于神经网络的印章识别系统及识别方法

说明书

本发明是一种基于神经网络的印章识别系统及识别方法。本发明涉及图像识别技术领域，本发明为解决印章自动识别准确率较低的问题,将印章数据标注，并进行数据增广方法提高数据量，使得训练的模型具有更强的泛化能力；进一步，利用数据通过racnn网络模型进行训练，提取印章特征；最后将所得特征进行分类，得出分类结果。通过此方法训练得到的印章分类模型可以实现较高准确率的印章识别。

技术领域

本发明涉及图像识别技术领域，是一种基于神经网络的印章识别系统及识别方法。

背景技术

目前，图像识别的技术、算法正逐步完善，我们生活中的一些场景也越来越多的应用到这些技术。比如人脸识别、生物医学图像识别等。

在海关检查中，对印章的识别有相当的需求，目前在海关中，印章识别主要以人工识别为主。人工识别相比于机器识别，耗费时间、耗费人力。而现有的传统算法并不能达到理想的分类效果，图像识别技术在海关印章识别中并没有广泛应用。

海关印章识别相叫与其他图像识别，有以文本为主、识别的可能结果数量大的特点。一般的传统算法，如VGG、LENET在该领域的识别准确性较低，无法满足实际生活中的需求。除此之外，我们还需要考虑算法的量级是否能达到实时识别。

发明内容

本发明为克服现有技术的不足，为解决印章自动识别准确率较低的问题,将印章数据标注，并进行数据增广方法提高数据量，使得训练的模型具有更强的泛化能力；进一步，利用数据通过racnn网络模型进行训练，提取印章特征；最后将所得特征进行分类，得出分类结果。通过此方法训练得到的印章分类模型可以实现较高准确率的印章识别。

本发明提供了一种基于神经网络的印章识别系统及识别方法，本发明提供了以下技术方案：

一种基于神经网络的印章识别方法，所述方法包括以下步骤：

步骤1：对印章图像数据进行标注，通过数据增广方法提高数据量，得到样本图像数据；

步骤2：根据数据增广后的样本图像数据，进行训练，得到训练接，提取印章图像特征并进行分类；

步骤3：根据得到的印章图像特征，采用APN网络得到注意力区域信息；

步骤4：对注意力区域进行裁剪，得到裁剪后的图像；

步骤5：重复三次步骤2-步骤4的操作，得到三个尺度网络的输出结果，通过将三个尺度网络的损失函数相加作为结果的损失函数，与训练集中结果进行匹配，对图片进行预测得出印章识别预测结果。

优选地，所述步骤1具体为：将印章图像数据标注，进行数据增广，通过对训练图像做一系列随机改变，来产生相似但又不同的训练样本，从而扩大训练数据集的规模；

数据增广具体包括采用随机旋转；随机沿着水平或者垂直方向，以图像的尺寸百分比为变化范围进行平移；按比例随机缩放图像尺寸；综合使用上述方式。

优选地，所述步骤2具体为：

采用MobileNetV2分类网络对样本图像提取特征并分类，得到图像特征；

上述特征提取操作为：采用Depth-wise Separable Convolution，即使用PW卷积，DW卷积，PW卷积的方式来提取特征。

优选地，所述步骤3具体为：

根据提取的特征，采用APN网络得到注意力区域信息，通过将提取到的图像输入到预先训练好的卷积层来提取基于区域的深度特征，将网络在每个尺度上建模为一个具有两个输出的多任务，第一个任务在生成细粒度类别上的概率分布，第二个任务为下一个尺度预测一组参与区域的坐标。

优选地，所述步骤4具体为：