一种基于卷积神经网络的专利文献获取方法及系统技术方案

本发明专利技术公开了一种基于卷积神经网络的专利文献获取方法及系统，通过采用卷积层改进后的卷积神经网络对目标图像进行图像识别获得图像中的目标的种类名称；然后将该种类名称作为检索的关键词在专利数据库中检索对应的专利文献，并将该图像与检索获得的专利文献中的附图进行近似度匹配，将附图与该图像相近的专利文献筛选出来并呈现给用户，使得用户可以仅通过图像便获取到与该图像图文相关的专利文献，有利于专利的普及推广，并且由于采用了改进后的增加了宽度的卷积神经网络对图像进行识别，使得卷积神经网络可以从多个尺度对目标图像进行数据运算处理，能够准确识别获得目标图像中的主体目标，提高了检索的准确率，降低了误检的几率。

【技术实现步骤摘要】
一种基于卷积神经网络的专利文献获取方法及系统
本专利技术涉及深度学习
，尤其涉及一种基于卷积神经网络的专利文献获取方法及系统。
技术介绍
知识产权的客体是人的智力成果，是一种无形财产，保护知识产权体现了对人的智力成果的尊重。通过对智力成果的保护有利于激发社会进行创新和技术革命的热情,推动社会的进步。随着我国专利法的建立，以及国家为了鼓励创新创造而进行的对知识产权保护的大力扶持，知识产权保护在企业中已经得到了较好的普及，已经有越来越多的企业认识到了知识产权保护的重要性，并且相应的进行专利的申请来保护企业的知识产权。然而，对于广大群众人民而言，知识产权保护还是一个较为陌生的概念。而专利作为知识产权保护的一种方式，更加不为群众人民所知。由于当前的专利存在一定的专业门槛，使得人民难以了解甚至接触到专利，不利于专利在广大人民群众中的普及推广以及广大人民群众的知识产权意识的提高。
技术实现思路
本专利技术提供了一种基于卷积神经网络的专利文献获取方法及系统，解决了当前的专利存在一定的专业门槛，使得人民难以了解甚至接触到专利，不利于专利在广大人民群众中的普及推广的技术问题。本专利技术提供的一种基于卷积神经网络的专利文献获取方法，包括：获取预置图像数据库，并将所述预置图像数据库中的图像输入预设的卷积神经网络进行训练，获得训练好的卷积神经网络模型；所述预设的卷积神经网络由一个线性映射和一个包含了多个卷积层的非线性映射构成，所述多个卷积层中的每个卷积层包含有多个卷积核，所述多个卷积核包含有1*1卷积核、3*3卷积核以及5*5卷积核；获取目标图像，通过所述训练好的卷积神经网络模型对所述目标图像进行图像识别，并获得所述目标图像中的主体目标的名称；将所述主体目标的名称作为关键词，在预置的专利数据库中检索与所述关键词对应的第一专利文献；将所述目标图像进行灰度化处理后与所述第一专利文献中的附图进行图像匹配，获得与进行灰度化处理后的目标图像匹配的第一目标附图；获取所述第一目标附图对应的第二专利文献，并将所述第二专利文献进行显示。可选地，所述通过所述训练好的卷积神经网络模型对所述目标图像进行图像识别具体包括：通过训练好的卷积神经网络模型对所述目标图像进行特征提取，并计算出经过所述多个卷积层进行传递之后获得的残差；对所述多个卷积层之间的特征残差进行降维处理后融合，获得融合后的特征表达；利用分类器对所述特征表达进行图像分类。可选地，进行图像匹配的过程具体包括：对进行灰度化处理后的目标图像进行像素点的灰度值求和，并计算所述灰度化处理后的目标图像在不同位置下覆盖所述第一专利文献中的附图的每个像素点的灰度值之和是否位于预设值以及所述灰度化处理后的目标图像的像素点的求和值之间；若是，则对当前位置下的目标图像以及附图的像素点的灰度值进行逻辑运算，并对运算结果进行卷积求和；对卷积求和获得的结果进行归一化处理得到互相关度量。可选地，所述将所述目标图像进行灰度化处理后与所述第一专利文献中的附图进行图像匹配之前还包括：将所述目标图像进行边缘检测，识别并分离出所述目标图像的前景和背景，并将所述目标图像的背景替换为白色背景；所述目标图像的前景包括有所述主体目标。可选地，所述将所述目标图像的背景替换为白色背景之后还包括：对进行背景替换后的目标图像进行字符识别，获得识别文字；将所述识别文字作为申请人关键词在所述第一专利文献中筛选出与所述申请人关键词对应的专利文献，获得新的第一专利文献；所述将所述目标图像进行灰度化处理后与所述第一专利文献中的附图进行图像匹配具体为将所述进行背景替换后的目标图像与所述新的第一专利文献中的附图进行图像匹配。可选地，所述将所述目标图像的背景替换为白色背景之后还包括：对进行背景替换后的目标图像进行轮廓线条提取，获得由轮廓线条构成的二值化图像；将所述二值化图像与所述第一专利文献中的附图进行图像匹配，获得与所述二值化图像匹配的第二目标附图；获取所述第二目标附图对应的第三专利文献，并将所述第三专利文献进行显示。可选地，所述将所述目标图像进行灰度化处理后与所述第一专利文献中的附图进行图像匹配之前还包括：获取用户输入的区域选取指令，并在所述目标图像上选取与所述区域选取指令对应的区域图像；将所述区域图像替换为第一图像；所述第一图像的大小和形状与所述区域图像一致，且所述第一图像的颜色与所述区域图像邻接的区域一致。可选地，将所述区域图像替换为第一图像之前还包括：根据所述区域图像的大小和形状生成空白的第一图像；获取所述区域图像的边缘所邻接的图像的所有像素点，并计算所述所有像素点的色彩数值，获得色彩数值所占比例最高的第一像素点；将所述第一像素点填充满所述空白的第一图像，获得第一图像，以使得所述第一图像的颜色与所述区域图像邻接的区域一致。可选地，所述将所述主体目标的名称作为关键词，在预置的专利数据库中检索与所述关键词对应的第一专利文献还包括：根据所述主体目标的名称确定所述主体目标的所属领域，并获取对应的分类号；将所述主体目标的名称作为关键词，在预置的专利数据库中检索与所述关键词以及所述分类号对应的第一专利文献。本专利技术提供的一种基于卷积神经网络的专利文献获取系统，包括：训练模块，用于获取预置图像数据库，并将所述预置图像数据库中的图像输入预设的卷积神经网络进行训练，获得训练好的卷积神经网络模型；所述预设的卷积神经网络由一个线性映射和一个包含了多个卷积层的非线性映射构成，所述多个卷积层中的每个卷积层包含有多个卷积核，所述多个卷积核包含有1*1卷积核、3*3卷积核以及5*5卷积核；识别模块，用于获取目标图像，通过所述训练好的卷积神经网络模型对所述目标图像进行图像识别，并获得所述目标图像中的主体目标的名称；检索模块，用于将所述主体目标的名称作为关键词，在预置的专利数据库中检索与所述关键词对应的第一专利文献；图像匹配模块，用于将所述目标图像进行灰度化处理后与所述第一专利文献中的附图进行图像匹配，获得与进行灰度化处理后的目标图像匹配的第一目标附图；显示模块，用于获取所述第一目标附图对应的第二专利文献，并将所述第二专利文献进行显示。从以上技术方案可以看出，本专利技术具有以下优点：本专利技术中通过获取用户拍照或上传的图像，并采用卷积层改进后的卷积神经网络对目标图像进行图像识别获得图像中的目标的种类名称；然后将该种类名称作为检索的关键词在专利数据库中检索对应的专利文献，并将该图像与检索获得的专利文献中的附图进行近似度匹配，将附图与该图像相近的专利文献筛选出来并呈现给用户，使得用户可以仅通过图像便获取到与该图像图文相关的专利文献，有利于专利的普及推广，并且由于采用了改进后的增加了宽度的卷积神经网络对图像进行识别，使得卷积神经网络可以从多个尺度对目标图像进行数据运算处理，能够准确识别获得目标图像中的主体目标，提高了检索的准确率，降低了误检的几率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。图1为本专利技术实施例提供的一种基于卷积神经网络的专利文献获取方法的流程示意图；图2为本发本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的专利文献获取方法，其特征在于，包括：获取预置图像数据库，并将所述预置图像数据库中的图像输入预设的卷积神经网络进行训练，获得训练好的卷积神经网络模型；所述预设的卷积神经网络由一个线性映射和一个包含了多个卷积层的非线性映射构成，所述多个卷积层中的每个卷积层包含有多个卷积核，所述多个卷积核包含有1*1卷积核、3*3卷积核以及5*5卷积核；获取目标图像，通过所述训练好的卷积神经网络模型对所述目标图像进行图像识别，并获得所述目标图像中的主体目标的名称；将所述主体目标的名称作为关键词，在预置的专利数据库中检索与所述关键词对应的第一专利文献；将所述目标图像进行灰度化处理后与所述第一专利文献中的附图进行图像匹配，获得与进行灰度化处理后的目标图像匹配的第一目标附图；获取所述第一目标附图对应的第二专利文献，并将所述第二专利文献进行显示。

【技术特征摘要】
1.一种基于卷积神经网络的专利文献获取方法，其特征在于，包括：获取预置图像数据库，并将所述预置图像数据库中的图像输入预设的卷积神经网络进行训练，获得训练好的卷积神经网络模型；所述预设的卷积神经网络由一个线性映射和一个包含了多个卷积层的非线性映射构成，所述多个卷积层中的每个卷积层包含有多个卷积核，所述多个卷积核包含有1*1卷积核、3*3卷积核以及5*5卷积核；获取目标图像，通过所述训练好的卷积神经网络模型对所述目标图像进行图像识别，并获得所述目标图像中的主体目标的名称；将所述主体目标的名称作为关键词，在预置的专利数据库中检索与所述关键词对应的第一专利文献；将所述目标图像进行灰度化处理后与所述第一专利文献中的附图进行图像匹配，获得与进行灰度化处理后的目标图像匹配的第一目标附图；获取所述第一目标附图对应的第二专利文献，并将所述第二专利文献进行显示。2.根据权利要求1所述的基于卷积神经网络的专利文献获取方法，其特征在于，所述通过所述训练好的卷积神经网络模型对所述目标图像进行图像识别具体包括：通过训练好的卷积神经网络模型对所述目标图像进行特征提取，并计算出经过所述多个卷积层进行传递之后获得的残差；对所述多个卷积层之间的特征残差进行降维处理后融合，获得融合后的特征表达；利用分类器对所述特征表达进行图像分类。3.根据权利要求1所述的基于卷积神经网络的专利文献获取方法，其特征在于，进行图像匹配的过程具体包括：对进行灰度化处理后的目标图像进行像素点的灰度值求和，并计算所述灰度化处理后的目标图像在不同位置下覆盖所述第一专利文献中的附图的每个像素点的灰度值之和是否位于预设值以及所述灰度化处理后的目标图像的像素点的求和值之间；若是，则对当前位置下的目标图像以及附图的像素点的灰度值进行逻辑运算，并对运算结果进行卷积求和；对卷积求和获得的结果进行归一化处理得到互相关度量。4.根据权利要求1所述的基于卷积神经网络的专利文献获取方法，其特征在于，所述将所述目标图像进行灰度化处理后与所述第一专利文献中的附图进行图像匹配之前还包括：将所述目标图像进行边缘检测，识别并分离出所述目标图像的前景和背景，并将所述目标图像的背景替换为白色背景；所述目标图像的前景包括有所述主体目标。5.根据权利要求4所述的基于卷积神经网络的专利文献获取方法，其特征在于，所述将所述目标图像的背景替换为白色背景之后还包括：对进行背景替换后的目标图像进行字符识别，获得识别文字；将所述识别文字作为申请人关键词在所述第一专利文献中筛选出与所述申请人关键词对应的专利文献，获得新的第一专利文献；所述将所述目标图像进行灰度化处理后与所述第一专利文献中的附图进行图像匹配具体为将所述进行背景替换后的目标图像与所述新的第一专利文献中的附图进...

【专利技术属性】
技术研发人员：李远新，
申请(专利权)人：广州集创佳禾知识产权运营有限公司，
类型：发明
国别省市：广东,44