人事档案智慧管理系统技术方案

本申请涉及智能检测领域，其具体地公开了一种人事档案智慧管理系统，其通过采用基于深度学习的人工智能检测技术来提取出待检测纸质档案图像和参考纸质档案图像中的高维隐含特征分布信息，进一步再通过距离度量工具来度量所述待检测纸质档案图像隐含特征和所述参考纸质档案图像隐含特征之间的特征差异性，并以此来进行所述待检测纸质档案图像的质量评估。这样，能够智能且准确地对于扫描后的纸质档案图像进行质量检测，以此来判断扫描后的档案图像清晰度是否满足后续的应用需求。案图像清晰度是否满足后续的应用需求。案图像清晰度是否满足后续的应用需求。

【技术实现步骤摘要】
人事档案智慧管理系统


[0001]本申请涉及智能检测领域，且更为具体地，涉及一种人事档案智慧管理系统。

技术介绍

[0002]要实现数字化管理，就存在要将以往纸质人事档案文件转换为计算机可识别的文字，实现录入、存储。纸介质文档信息进行数字化处理后，可以保存到可存储设备上，具有存储、管理和共享等功能，还可以减少文档库房占地，节省资源。
[0003]纸质档案数字化的操作流程包括档案的分类整理、图像扫描、文字录入以及存储入库等步骤。其中图像扫描要使图像清晰，文字录入以及存储入库时要对人事档案电子文件进行安全加固确保其真实完整。
[0004]在图像扫描步骤中，扫描的纸质档案图像的清晰度以及完整性是实现人事档案数字化管理的关键，但是，现有的方案中只能依靠人工来进行扫描图像的质量评估，将人工判断未合格的扫描档案进行重新扫描。这样不仅会浪费大量的人工时间，还会导致人工评估的准确度并不高，导致扫描的档案图像质量并不能够满足后续的应用需求。
[0005]因此，期望一种人事档案智慧管理系统，其能够对扫描的纸质档案图像进行质量评估，以确保其能够满足后续的应用需求。

技术实现思路

[0006]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种人事档案智慧管理系统，其通过采用基于深度学习的人工智能检测技术来提取出待检测纸质档案图像和参考纸质档案图像中的高维隐含特征分布信息，进一步再通过距离度量工具来度量所述待检测纸质档案图像隐含特征和所述参考纸质档案图像隐含特征之间的特征差异性，并以此来进行所述待检测纸质档案图像的质量评估。这样，能够智能且准确地对于扫描后的纸质档案图像进行质量检测，以此来判断扫描后的档案图像清晰度是否满足后续的应用需求。
[0007]根据本申请的一个方面，提供了一种人事档案智慧管理系统，其包括：
[0008]纸质档案图像采集单元，用于获取参考纸质档案图像和待检测纸质档案图像，其中，所述参考纸质档案图像具有满足预定标准的图像质量；
[0009]图像质量统计特征提取单元，用于提取所述参考纸质档案图像的多个参考统计特征，所述多个参考统计特征包括均值、标准差、平均梯度和熵；
[0010]统计特征编码单元，用于将所述多个参考统计特征通过Clip模型的序列编码器以得到参考统计特征向量；
[0011]图像编码单元，用于将所述参考纸质档案图像通过所述Clip模型的图像编码器以得到参考图像特征向量；
[0012]图像编码优化单元，用于使用所述Clip模型的优化编码器来基于所述参考统计特征向量对所述参考图像特征向量的特征编码进行优化以得到优化参考图像特征矩阵；
[0013]检测档案编码单元，用于将所述待检测纸质档案图像通过所述Clip模型以得到优化检测图像特征矩阵；
[0014]度量单元，用于将所述优化参考图像特征矩阵和所述优化检测图像特征矩阵通过基于关系网络的距离度量器以得到度量特征向量；以及
[0015]管理结果生成单元，用于将所述度量特征向量通过分类器以得到分类结果，所述分类结果用于表示待检测纸质档案图像的图像质量是否满足预定要求。
[0016]在上述人事档案智慧管理系统中，所述统计特征编码单元，进一步用于：第一尺度特征提子取单元，用于将所述参考统计特征通过Clip模型的序列编码器的第一卷积层以得到第一邻域尺度参考统计特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；第二尺度特征提取子单元，用于将所述参考统计特征通过Clip模型的序列编码器的第二卷积层以得到第二邻域尺度参考统计特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及，多尺度特征融合子单元，用于将所述第一邻域尺度参考统计特征向量和所述第二邻域尺度参考统计特征向量进行级联以得到所述参考统计特征向量。
[0017]在上述人事档案智慧管理系统中，所述第一尺度特征提子取单元，进一步用于：使用所述Clip模型的序列编码器的第一卷积层以如下公式对所述参考统计特征进行一维卷积编码以得到第一邻域尺度参考统计特征向量；
[0018]其中，所述公式为：
[0019][0020]其中，a为第一卷积核在x方向上的宽度、F(a)为第一卷积核参数向量、 G(x
‑
a)为与卷积核函数运算的局部向量矩阵，w为第一卷积核的尺寸，X表示所述参考统计特征。所述第二尺度特征提取子单元，进一步用于：使用所述Clip 模型的序列编码器的第二卷积层以如下公式对所述参考统计特征进行一维卷积编码以得到所述第二邻域尺度参考统计特征向量；
[0021]其中，所述公式为：
[0022][0023]其中，b为第二卷积核在x方向上的宽度、F(b)为第二卷积核参数向量、 G(x
‑
b)为与卷积核函数运算的局部向量矩阵，m为第二卷积核的尺寸，X表示所述参考统计特征。
[0024]在上述人事档案智慧管理系统中，所述图像编码单元，进一步用于：使用所述Clip模型的图像编码器的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的池化以得到池化特征图；以及，对所述池化特征图进行非线性激活以得到激活特征图；其中，所述Clip模型的图像编码器的最后一层的输出为所述参考图像特征向量，所述Clip模型的图像编码器的第一层的输入为所述参考纸质档案图像。
[0025]在上述人事档案智慧管理系统中，所述图像编码优化单元，进一步用于：使用所述
Clip模型的优化编码器来基于所述参考统计特征向量对所述参考图像特征向量的特征编码进行优化以得到优化参考图像特征矩阵；
[0026]其中，所述公式为：
[0027][0028]其中V
s
表示所述参考统计特征向量，表示所述参考统计特征向量的转置向量，V
b
表示所述参考图像特征向量，M
b
表示所述优化参考图像特征矩阵，表示向量相乘。
[0029]在上述人事档案智慧管理系统中，所述度量单元，包括：使用所述基于关系网络的距离度量器的第一全连接层对所述优化检测图像特征矩阵进行全连接编码以得到检测特征向量；使用所述基于关系网络的距离度量器的第二全连接层对所述优化参考图像特征矩阵进行全连接编码以得到参考特征向量；以及，使用所述基于关系网络的距离度量器的差分层计算所述检测特征向量和所述参考特征向量的按位置差分以得到所述度量特征向量。
[0030]在上述人事档案智慧管理系统中，所述管理结果生成单元，进一步用于：使用所述分类器以如下公式对所述度量特征向量进行处理以生成分类结果；其中，所述公式为：O＝softmax{(M
c
,B
c
)|X}，其中，M
c
为权重矩阵，B
c
为偏置向量，X 为所述度量特征向量。
[0031]在上述人事档案智慧管理系统中，还包括用于对所述Clip模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人事档案智慧管理系统，其特征在于，包括：纸质档案图像采集单元，用于获取参考纸质档案图像和待检测纸质档案图像，其中，所述参考纸质档案图像具有满足预定标准的图像质量；图像质量统计特征提取单元，用于提取所述参考纸质档案图像的多个参考统计特征，所述多个参考统计特征包括均值、标准差、平均梯度和熵；统计特征编码单元，用于将所述多个参考统计特征通过Clip模型的序列编码器以得到参考统计特征向量；图像编码单元，用于将所述参考纸质档案图像通过所述Clip模型的图像编码器以得到参考图像特征向量；图像编码优化单元，用于使用所述Clip模型的优化编码器来基于所述参考统计特征向量对所述参考图像特征向量的特征编码进行优化以得到优化参考图像特征矩阵；检测档案编码单元，用于将所述待检测纸质档案图像通过所述Clip模型以得到优化检测图像特征矩阵；度量单元，用于将所述优化参考图像特征矩阵和所述优化检测图像特征矩阵通过基于关系网络的距离度量器以得到度量特征向量；以及管理结果生成单元，用于将所述度量特征向量通过分类器以得到分类结果，所述分类结果用于表示待检测纸质档案图像的图像质量是否满足预定要求。2.根据权利要求1所述的人事档案智慧管理系统，其特征在于，所述统计特征编码单元，进一步用于：第一尺度特征提取子单元，用于将所述参考统计特征通过Clip模型的序列编码器的第一卷积层以得到第一邻域尺度参考统计特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；第二尺度特征提取子单元，用于将所述参考统计特征通过Clip模型的序列编码器的第二卷积层以得到第二邻域尺度参考统计特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及多尺度特征融合子单元，用于将所述第一邻域尺度参考统计特征向量和所述第二邻域尺度参考统计特征向量进行级联以得到所述参考统计特征向量。3.根据权利要求2所述的人事档案智慧管理系统，其特征在于，所述第一尺度特征提取子单元，进一步用于：使用所述Clip模型的序列编码器的第一卷积层以如下公式对所述参考统计特征进行一维卷积编码以得到第一邻域尺度参考统计特征向量；其中，所述公式为：其中，a为第一卷积核在x方向上的宽度、F(a)为第一卷积核参数向量、G(x
‑
a)为与卷积核函数运算的局部向量矩阵，w为第一卷积核的尺寸，X表示所述参考统计特征。所述第二尺度特征提取子单元，进一步用于：使用所述Clip模型的序列编码器的第二卷积层以如下公式对所述参考统计特征进行一维卷积编码以得到所述第二邻域尺度参考
统计特征向量；其中，所述公式为：其中，b为第二卷积核在x方向上的宽度、F(b)为第二卷积核参数向量、G(x
‑
b)为与卷积核函数运算的局部向量矩阵，m为第二卷积核的尺寸，X表示所述参考统计特征。4.根据权利要求3所述的人事档案智慧管理系统，其特征在于，所述图像编码单元，进一步用于：使用所述Clip模型的图像编码器的各层在层的正向传递中分别对输入数据进行：对输入数据进行卷积处理以得到卷积特征图；对所述卷积特征图进行基于特征矩阵的池化以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述Clip模型的图像编码器的最后一层的输出为所述参考图像特征向量，所述Clip模型的图像编码器的第一层的输入为所述参考纸质档案图像。5.根据权利要求4所述的人事档案智慧管理系统，其特征在于，所述图像编码优化单元，进一步用于：使用所述Clip模型的优化编码器来基于所述参考统计特征向量对所述参考图像特征向量的特征编码进行优化以得到优化参考图像特征矩阵；其中，所述公式为：其中V
s
表示所述参...

【专利技术属性】
技术研发人员：杨建福，周哲亮，胡坚，周阳，
申请(专利权)人：杭州京胜航星科技有限公司，
类型：发明
国别省市：