【技术实现步骤摘要】
基于联合学习的卡片识别装置及方法
本专利技术涉及人工智能领域，可应用于金融领域和图像识别领域，尤指一种基于联合学习的卡片识别装置及方法。
技术介绍
目前在银行业，卡片已经得到广泛的使用，覆盖到银行业务的各个分支。卡片的定义，不仅仅局限在客户用以转账结算、存取现金的银行卡，还包含业务人员在营销工作中所使用的名片这类交际工具上。然而，不论是客户的银行卡还是其他业务人员交际应酬所用的名片，都极容易收到污渍、磨损的侵扰，对外在不利因素的抵抗力极弱。长此以往，不仅提高了银行的制卡成本，同时也会降低卡片影像识别的质量，进而影响银行后续模型的应用效果和场景落地，为银行带来潜在的剩余损害和利益损失。为了解决这类问题，已有不少专家学者专注于解决图像的噪声问题，并提出了许多优秀的解决方案，例如：高斯滤波、中值滤波，但传统的去噪方法往往具有较大的局限性，只适配解决特定类别的图像噪声，这些方法虽然能够针对特定类别噪声带来一定程度的性能提升，但通用性不尽如人意。由于深度学习在图像识别领域取得了较好的成果，近年来，基于深度学习的图像去噪方法也被...
【技术保护点】
1.一种基于联合学习的卡片识别装置，其特征在于，所述装置包含：图像扫描模块、数据预处理模块、模型生成模块和结果输出模块；/n所述图像扫描模块用于采集预定卡片的电子影像数据；/n所述数据预处理模块用于根据预设标注规则对所述电子影像数据中对应图像区域进行标注生成训练图像数据；/n所述模型生成模块用于提取所述训练图像数据中的图像噪声的结构信息和视觉信息；通过预设的神经网络模型中嵌入层分析所述结构信息和视觉信息，获得图像特征、语义特征、文本向量特征和位置特征；利用所述图像特征、所述语义特征、所述文本向量特征和所述位置特征训练所述神经网络模型获得卡片识别模型；/n所述结果输出模块用于...
【技术特征摘要】
1.一种基于联合学习的卡片识别装置，其特征在于，所述装置包含：图像扫描模块、数据预处理模块、模型生成模块和结果输出模块；
所述图像扫描模块用于采集预定卡片的电子影像数据；
所述数据预处理模块用于根据预设标注规则对所述电子影像数据中对应图像区域进行标注生成训练图像数据；
所述模型生成模块用于提取所述训练图像数据中的图像噪声的结构信息和视觉信息；通过预设的神经网络模型中嵌入层分析所述结构信息和视觉信息，获得图像特征、语义特征、文本向量特征和位置特征；利用所述图像特征、所述语义特征、所述文本向量特征和所述位置特征训练所述神经网络模型获得卡片识别模型；
所述结果输出模块用于通过所述卡片识别模型分析待识别卡片的电子影像数据，获得识别结果。
2.根据权利要求1所述的基于联合学习的卡片识别装置，其特征在于，所述模型生成模块包含图像特征提取单元、语义特征提取单元、文本特征提取单元和位置特征提取单元；
所述图像特征提取单元用于提取所述训练图像数据中文本边框内的图像信息，根据所述图像信息中噪声特征设定权值系数，通过所述权值系数筛除所述图像信息中噪声影像获得图像特征；
所述语义特征提取单元用于根据所述图像信息中的文本内容，获得对应的文本语义特征；
所述文本特征提取单元用于将所述文本内容分割为字符，并将每个字符转化为向量后生成文本向量特征；
所述位置特征提取单元用于根据所述图像信息中文本的坐标信息生成位置特征。
3.根据权利要求2所述的基于联合学习的卡片识别装置，其特征在于，所述图像特征提取单元还包含：
根据所述图像信息中的直观特征和属性特征获得所述噪声特征；
通过计算噪声特征和图像信息中正文内容的像素矩阵差异，为噪声特征和正文内容分别设定权值系数。
4.根据权利要求3所述的基于联合学习的卡片识别装置，其特征在于，所述直观特征包含图像噪声的尺寸、颜色、字体、粒度、形状中一种或多种的组合；所述属性特征包含水滴型、侵染型、折损型、破损型、污染型中一种或多种的组合。
5.根据权利要求1所述的基于联合学习的卡片识别装置，其特征在于，所述模型生成模块包含训练单元，所述训练单元用于根据预设迭代轮次，通过预定数量的样本训练所述神经网络模型；当所述神经网络模型完成迭代轮次的训练后且识别准确率高于或等于预设基线时，根据所述神经网络模型获得卡片识别模型。
6.一种基于联合学习的卡片识别方法，其特征在于，所述方法包含：
采集预定卡片的电子影像数据...
【专利技术属性】
技术研发人员：张雷，杜姗，蔡为彬，罗樋，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。