[发明专利]模型训练方法、装置、计算机设备、存储介质和程序产品

权利要求书

1.一种模型训练方法，其特征在于，所述方法包括：

根据初始票据分类模型中的预处理模型和初始票据图像样本，得到票据图像样本；

获取所述票据图像样本对应的分类向量；所述分类向量用于表征所述票据图像样本中各子区域图像中信息的真伪；

利用所述初始票据分类模型中的视觉自注意力模型得到各所述子区域图像的真伪识别结果；

根据各所述子区域图像的真伪识别结果、所述分类向量和所述票据图像样本，训练所述初始票据分类模型得到票据分类模型。

2.根据权利要求1所述的方法，其特征在于，所述根据各所述子区域图像的真伪识别结果、所述分类向量和所述票据图像样本，训练所述初始票据分类模型得到票据分类模型，包括：

根据所述分类向量和所述票据图像样本得到所述票据图像样本的标签图像；

根据所述标签图像和各所述子区域图像的真伪识别结果，训练所述初始票据分类模型得到票据分类模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述分类向量和所述票据图像样本得到所述票据图像样本的标签图像，包括：

提取所述票据图像样本的特征得到第一特征图；

对所述第一特征图进行降维处理得到第二特征图；

将所述第二特征图与所述分类向量进行拼接得到所述标签图像。

4.根据权利要求2或3所述的方法，其特征在于，所述根据所述标签图像和各所述子区域图像的真伪识别结果，训练所述初始票据分类模型得到票据分类模型，包括：

获取所述标签图像各特征向量的位置标识；

对所述位置标识和所述标签图像进行融合处理得到第三特征图；

根据所述第三特征图和各所述子区域图像的真伪识别结果，训练所述初始票据分类模型得到票据分类模型。

5.根据权利要求4所述的方法，其特征在于，所述根据所述第三特征图和各所述子区域图像的真伪识别结果，训练所述初始票据分类模型得到票据分类模型，包括：

对所述第三特征图进行随机失活处理得到第四特征图；

利用所述视觉自注意力模型中的编码模块对所述第四特征图进行编码处理，得到第五特征图；

根据所述第五特征图和各所述子区域图像的真伪识别结果，训练所述初始票据分类模型得到票据分类模型。

6.根据权利要求5所述的方法，其特征在于，所述根据所述第五特征图和各所述子区域图像的真伪识别结果，训练所述初始票据分类模型得到票据分类模型，包括：

将所述第五特征图输入标准化层得到第六特征图；

提取所述第六特征图中的分类向量得到第七特征图；

将所述第七特征图输入线性全连接层得到第八特征图；

根据所述第八特征图和各所述子区域图像的真伪识别结果，训练所述初始票据分类模型得到票据分类模型。

7.根据权利要求5所述的方法，其特征在于，所述编码模块包括多头注意力模块和多层感知模块。

8.根据权利要求1-3任一项所述的方法，其特征在于，所述根据初始票据分类模型中的预处理模型和初始票据图像样本，得到票据图像样本，包括：

对所述初始票据图像样本进行处理得到中间票据图像样本；

利用所述预处理模型提取所述中间票据图像样本的特征得到初始特征图；

利用所述预处理模型对所述初始特征图进行下采样处理得到下采样处理的初始特征图；

对所述下采样处理的初始特征图进行上采样处理得到所述票据图像样本。

9.根据权利要求8所述的方法，其特征在于，所述中间票据图像样本通过如下方式中的至少一项得到：

对所述初始票据图像样本进行倾斜校正处理；

对所述初始票据图像样本进行滤波处理。