一种图像生成模型、卡号识别模型的训练方法及装置制造方法及图纸

本申请提供了一种图像生成模型、卡号识别模型的训练方法及装置，包括：对包括呈立体形态的第一样本卡号的样本立体卡片图像进行处理，得到样本背景图像和包括呈平面形态的第一样本卡号的样本平面卡号图像；将样本背景图像和样本平面卡号图像作为图像生成模型的第一输入图像，根据输出图像和样本立体卡片图像，确定第一目标损失，根据第一目标损失调整图像生成模型对应的第一参数，直至图像生成模型的输出图像匹配样本立体卡片图像，得到包括训练好的第一参数的图像生成模型。本申请能够生成卡号呈立体形态的立体卡片图像，简化了对训练样本的要求，且该立体卡片图像能够作为训练样本对卡号识别模型进行训练，提高了卡号识别模型的识别准确度。

【技术实现步骤摘要】
一种图像生成模型、卡号识别模型的训练方法及装置
本申请涉及机器学习
，具体而言，涉及一种图像生成模型、卡号识别模型的训练方法及装置。
技术介绍
在生活中，用户通常会持有多张不同类型的卡片，比如，银行卡、会员卡、社保卡等。用户通常可以通过卡片进行多种活动，比如，交易支付、交易积分、信息查询等。随着互联网技术的快速发展，目前都是在线上进行用户活动，这样，就需要用户预先在相应的活动平台上绑定匹配的卡片，比如，用户在支付平台上绑定银行卡，通过银行卡进行交易支付。目前，都是用户手动输入卡片卡号，实现在活动平台上绑定卡片，该种方式效率低。基于此，采用训练卡号识别模型，通过卡号识别模型进行卡号自动识别，但是，目前训练的卡号识别模型的识别准确度较差，无法满足实际需求。
技术实现思路
有鉴于此，本申请的目的在于提供一种图像生成模型、卡号识别模型的训练方法及装置，利用该方法能够生成卡号呈立体形态的立体卡片图像，简化了对训练样本的要求，并且，该立体卡片图像能够作为训练样本对卡号识别模型进行训练，提高了卡号识别模型的识别准确度本文档来自技高网...

【技术保护点】
1.一种图像生成模型的训练方法，其特征在于，所述训练方法包括：/n获取样本立体卡片图像，所述样本立体卡片图像中包括呈立体形态的第一样本卡号；/n对所述样本立体卡片图像进行处理，得到对应的样本背景图像和样本平面卡号图像；其中，所述样本平面卡号图像中包括呈平面形态的所述第一样本卡号；/n将所述样本背景图像和所述样本平面卡号图像作为所述图像生成模型的第一输入图像，根据所述图像生成模型的输出图像和所述样本立体卡片图像，确定所述图像生成模型对应的第一目标损失，根据所述第一目标损失调整所述图像生成模型对应的第一参数，直至所述图像生成模型的输出图像匹配所述样本立体卡片图像，得到包括训练好的第一参数的图像生成...

【技术特征摘要】
1.一种图像生成模型的训练方法，其特征在于，所述训练方法包括：
获取样本立体卡片图像，所述样本立体卡片图像中包括呈立体形态的第一样本卡号；
对所述样本立体卡片图像进行处理，得到对应的样本背景图像和样本平面卡号图像；其中，所述样本平面卡号图像中包括呈平面形态的所述第一样本卡号；
将所述样本背景图像和所述样本平面卡号图像作为所述图像生成模型的第一输入图像，根据所述图像生成模型的输出图像和所述样本立体卡片图像，确定所述图像生成模型对应的第一目标损失，根据所述第一目标损失调整所述图像生成模型对应的第一参数，直至所述图像生成模型的输出图像匹配所述样本立体卡片图像，得到包括训练好的第一参数的图像生成模型；其中，所述图像生成模型用于基于输入的目标卡片背景图像和目标平面卡号图像，生成包括呈立体形态的目标卡号的立体卡片图像；所述目标平面卡号图像中包括呈平面形态的目标卡号。


2.根据权利要求1所述的图像生成模型的训练方法，其特征在于，对所述样本立体卡片图像进行处理，得到对应的样本背景图像，包括：
获取所述样本立体卡片图像中的第一卡号区域；
对所述第一卡号区域进行覆盖处理，得到不包括卡号的样本背景图像。


3.根据权利要求1所述的图像生成模型的训练方法，其特征在于，对所述样本立体卡片图像进行处理，得到对应的样本平面卡号图像，包括：
根据所述样本立体卡片图像的目标尺寸，生成与所述目标尺寸相匹配的背景图像；
根据所述样本立体卡片图像中的第一卡号区域，确定所述背景图像中的第二卡号区域；
获取所述样本立体卡片图像中的第一样本卡号，并在所述背景图像中的第二卡号区域中打印所述第一样本卡号，得到所述样本平面卡号图像。


4.根据权利要求1所述的图像生成模型的训练方法，其特征在于，所述根据所述图像生成模型的输出图像和所述样本立体卡片图像，确定所述图像生成模型对应的第一目标损失，包括：
将所述图像生成模型的输出图像作为图像判别模型的第二输入图像，根据所述图像判别模型对所述输出图像和所述样本立体卡片图像的判别结果，确定所述图像生成模型对应的对抗损失，并将所述对抗损失确定为所述第一目标损失。


5.根据权利要求4所述的图像生成模型的训练方法，其特征在于，在将所述图像生成模型的输出图像作为图像判别模型的第二输入图像之后，所述训练方法还包括：
根据所述图像判别模型对所述输出图像和所述样本立体卡片图像的判别结果，确定所述图像判别模型对应的第二目标损失，并根据所述第二目标损失调整所述图像判别模型对应的第二参数。


6.根据权利要求1所述的图像生成模型的训练方法，其特征在于，所述根据所述图像生成模型的输出图像和所述样本立体卡片图像，确定所述图像生成模型对应的第一目标损失，包括：
根据所述图像生成模型的输出图像和所述样本立体卡片图像，确定所述图像生成模型对应的最小绝对值偏差损失，并将所述最小绝对值偏差损失确定为所述第一目标损失。


7.根据权利要求1所述的图像生成模型的训练方法，其特征在于，所述根据所述图像生成模型的输出图像和所述样本立体卡片图像，确定所述图像生成模型对应的第一目标损失，还包括：
获取所述图像生成模型的输出图像中的卡号区域图像；
将所述卡号区域图像输入到预先训练好的识别模型中，根据所述识别模型的输出卡号和所述样本立体卡片图像中的样本卡号，确定所述图像生成模型对应的识别损失，并将所述识别损失确定为所述第一目标损失。


8.根据权利要求7所述的图像生成模型的训练方法，其特征在于，通过以下方式训练所述识别模型：
获取样本卡号区域图像，每一个样本卡号区域图像中包括对应的第二样本卡号；其中，所述样本卡号区域图像包括样本立体卡号区域图像和样本平面卡号区域图像；
将所述样本卡号区域图像作为所述识别模型的第三输入图像，将所述样本卡号区域图像对应的第二样本卡号作为所述识别模型的监督图像，根据所述识别模型基于所述第三输入图像的输出图像和所述监督图像，训练所述识别模型对应的第三参数，直至得到包括训练好的第三参数的识别模型。


9.根据权利要求1所述的图像生成模型的训练方法，其特征在于，在得到包括训练好的第一参数的图像生成模型之后，所述训练方法还包括：
获取目标卡片背景图像和目标平面卡号图像；其中，所述目标平面卡号图像中包括呈平面形态的目标卡号；
将所述目标卡片背景图像和所述目标平面卡号图像输入到所述图像生成模型中，...

【专利技术属性】
技术研发人员：汪昊，张天明，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11