检测模型的训练方法、检测方法、介质、终端及产品技术

本说明书实施例提供了一种检测模型的训练方法、凭证图像的检测方法、检测模型的训练装置、凭证图像的检测装置、计算机可读存储介质、终端以及计算机程序产品。上述检测模型的训练方法包括：将关于凭证图像的至少一个元素输入生成模型，以及根据生成模型输出的生成凭证图像确定第一类样本；之后，通过第一类样本、第二类样本和第三类样本训练检测模型，其中，第二类样本为真实凭证图像，第三类样本为作假凭证图像。凭证图像。凭证图像。

【技术实现步骤摘要】
检测模型的训练方法、检测方法、介质、终端及产品


[0001]本说明书实施例涉及图像处理
，尤其涉及一种检测模型的训练方法、凭证图像的检测方法、检测模型的训练装置、凭证图像的检测装置、计算机可读存储介质、终端以及计算机程序产品。

技术介绍

[0002]在协议还款业务中，客户会上传相关的凭证图像至审核平台，审核平台对上传的凭证图像进行审核，检测该凭证图像中是否存在PS修改等造假问题。若检测到凭证图像中存在PS修改等造假问题，则将存在造假问题的凭证图像提交给审核人员，以辅助审核人员提高审核效率，减少失误。
[0003]现阶段审核平台的检测方法还需要检测效果更加准确的方案来实现。
[0004]需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本说明书的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0005]本说明书实施例的目的在于提供一种检测模型的训练方法、凭证图像的检测方法、检测模型的训练装置、凭证图像的检测装置、计算机可读存储介质、终端以及计算机程序产品，能够丰富样本生成能力，进而在一定程度上提高检测模型对目标凭证图像的检测效果。
[0006]本说明书实施例的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本说明书的实践而习得。
[0007]根据本说明书实施例的第一个方面，提供一种检测模型的训练方法，上述方法包括：将关于凭证图像的至少一个元素输入生成模型，并根据上述生成模型输出的生成凭证图像确定第一类样本；通过上述第一类样本、第二类样本和第三类样本训练上述检测模型，上述第二类样本为真实凭证图像，上述第三类样本为作假凭证图像。
[0008]在本说明书一个实施例中，上述元素包括证明文字、电子章以及背景纸张图像；上述将关于凭证图像的至少一个元素输入上述生成模型，包括：获取关于凭证图像的上述证明文字、获取关于凭证图像的上述电子章以及获取关于凭证图像的上述背景纸张图像；将上述证明文字、上述电子章以及上述背景纸张图像中的至少一种输入所述生成模型，以通过上述生成模型对上述证明文字、上述电子章以及上述背景纸张图像进行特征融合处理，得到上述生成凭证图像。
[0009]在本说明书一个实施例中，上述获取关于凭证图像的上述证明文字，包括：根据预设的字体大小和/或字体类型，生成上述证明文字；上述获取关于凭证图像上述电子章，包括：通过排布五角星以及弧形文字排布，生成上述电子章；上述获取关于凭证图像上述背景纸张图像，包括：根据不同场景下空白纸张的颜色，生成上述背景纸张图像。
[0010]在本说明书一个实施例中，上述通过上述生成模型对上述证明文字、上述电子章
以及上述背景纸张图像进行特征融合处理，得到上述生成凭证图像，包括：通过上述生成模型，将上述证明文字、上述电子章以及上述背景纸张图像映射于一张图像；对上述图像增加模糊函数和背景噪声，得到上述生成凭证图像。
[0011]在本说明书一个实施例中，上述在上述通过上述第一类样本、第二类样本和第三类样本训练上述检测模型，上述第二类样本为真实凭证图像，上述第三类样本为作假凭证图像之后，上述方法还包括：计算上述生成凭证图像的像素面积与参考标记面积的交并比；根据上述交并比，对上述生成凭证图像进行打分。
[0012]在本说明书一个实施例中，上述方法还包括：在上述打分小于预设值的情况下，通过反向传递对上述生成模型的参数进行调整；其中，调整参数后的上述生成模型用于再次输出上述生成凭证图像，通过上述生成凭证图像再次确定上述第一类样本，再次确定的上述第一类样本用于训练上述检测模型，以对上述生成模型与上述检测模型进行加强学习。
[0013]根据本说明书实施例的第二个方面，提供一种凭证图像的检测方法，其中，上述方法包括：获取待检测的目标凭证图像；将上述目标凭证图像输入检测模型，并根据上述检测模型的输出确定上述目标凭证图像的检测结果；其中，上述检测模型为根据上述第一个方面提供的检测模型的训练方法确定的。
[0014]根据本说明书实施例的第三个方面，提供一种检测模型的训练装置，其中，上述检测模型的训练装置包括：生成模块，用于将关于凭证图像的至少一个元素输入生成模型，并根据上述生成模型输出的生成凭证图像确定第一类样本；训练模块，用于通过上述第一类样本、第二类样本和第三类样本训练上述检测模型，上述第二类样本为真实凭证图像，上述第三类样本为作假凭证图像。
[0015]根据本说明书实施例的第四个方面，提供一种凭证图像的检测装置，其中，上述凭证图像的检测装置包括：获取模块，用于获取待检测的目标凭证图像；检测模块，用于将上述目标凭证图像输入检测模型，并根据上述检测模型的输出确定上述目标凭证图像的检测结果；其中，上述检测模型为根据上述第一方面的上述检测模型的训练方法确定的。
[0016]根据本说明书实施例的第五个方面，提供一种终端，包括：存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现上述第一个方面上述的检测模型的训练方法，或实现上述第二个方面上述的凭证图像的检测方法。
[0017]根据本说明书实施例的第六个方面，提供一种计算机可读存储介质，其上存储有计算机程序，上述计算机程序被处理器执行时实现上述第一个方面上述的检测模型的训练方法，或执行上述第二个方面上述的凭证图像的检测方法。
[0018]根据本说明书实施例的第七个方面，提供一种计算机程序产品，当上述计算机程序产品在计算机或处理器上运行时，使得上述计算机或处理器执行时实现上述第一个方面上述的检测模型的训练方法，或执行上述第二个方面上述的凭证图像的检测方法。
[0019]本说明书的实施例所提供的一种检测模型的训练方法、凭证图像的检测方法、检测模型的训练装置、凭证图像的检测装置、计算机可读存储介质、终端以及计算机程序产品，具备以下技术效果：
[0020]本说明书示例性的实施例提供的方案适用于丰富样本生成能力，实现提高检测模型对目标凭证图像检测准确性。具体地，首先，将关于凭证图像的至少一个元素输入生成模
型，并根据生成模型输出的生成凭证图像确定第一类样本；之后，通过第一类样本、第二类样本和第三类样本训练检测模型，其中第二类样本为真实凭证图像，第三类样本为作假凭证图像。通过生成模型丰富样本生成能力，增加样本的多样性和预测性，利用具有多样性和预测性的样本对检测模型进行训练，在一定程度上能够提高检测模型对目标凭证图像检测的准确性。
[0021]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。
附图说明
[0022]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本说明书的实施例，并与说明书一起用于解释本说明书的原理。显而易见地，下面描述中的附图仅仅是本说明书的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0023]图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检测模型的训练方法，其中，包括：将关于凭证图像的至少一个元素输入生成模型，并根据所述生成模型输出的生成凭证图像确定第一类样本；通过所述第一类样本、第二类样本和第三类样本训练所述检测模型，所述第二类样本为真实凭证图像，所述第三类样本为作假凭证图像。2.根据权利要求1所述的检测模型的训练方法，其中，所述元素包括证明文字、电子章以及背景纸张图像；所述将关于凭证图像的至少一个元素输入所述生成模型，包括：获取关于凭证图像的所述证明文字、获取关于凭证图像的所述电子章以及获取关于凭证图像的所述背景纸张图像；将所述证明文字、所述电子章以及所述背景纸张图像中的至少一种输入所述生成模型，以通过所述生成模型对所述证明文字、所述电子章以及所述背景纸张图像进行特征融合处理，得到所述生成凭证图像。3.根据权利要求2所述的检测模型的训练方法，其中，所述获取关于凭证图像的所述证明文字，包括：根据预设的字体大小和/或字体类型，生成所述证明文字；所述获取关于凭证图像所述电子章，包括：通过排布五角星以及弧形文字排布，生成所述电子章；所述获取关于凭证图像所述背景纸张图像，包括：根据不同场景下空白纸张的颜色，生成所述背景纸张图像。4.根据权利要求2所述的检测模型的训练方法，其中，所述通过所述生成模型对所述证明文字、所述电子章以及所述背景纸张图像进行特征融合处理，得到所述生成凭证图像，包括：通过所述生成模型，将所述证明文字、所述电子章以及所述背景纸张图像映射于一张图像；对所述图像增加模糊函数和背景噪声，得到所述生成凭证图像。5.根据权利要求1所述的检测模型的训练方法，其中，在所述通过所述第一类样本、第二类样本和第三类样本训练所述检测模型，所述第二类样本为真实凭证图像，所述第三类样本为作假凭证图像之后，所述方法还包括：计算所述生成凭证图像的像素面积与参考标记面积的交并比；根据所述交并比，对所述生成凭证图像进行打分。6.根据权利要求5所述的检测模型的训练方法，其中，所述方法还包括：在所述打分...

【专利技术属性】
技术研发人员：刘勇，王义，王剑，
申请(专利权)人：重庆蚂蚁消费金融有限公司，
类型：发明
国别省市：