本申请公开了一种票据识别方法、装置和处理器及电子设备。涉及大数据处理技术领域，该方法包括：获取待分类的票据图像；对票据图像进行特征提取，得到票据图像在第一卷积维度上的第一特征信息；对第一特征信息进行映射填充处理，得到票据图像在第二卷积维度上的第二特征信息，其中，第二卷积维度高于第一卷积维度；对第二特征信息进行压缩变换处理，得到票据图像在第一卷积维度上的目标特征信息；对目标特征信息进行识别处理，得到票据图像对应的目标票据类型。通过本申请，解决了相关技术中票据识别的准确性较低的问题。识别的准确性较低的问题。识别的准确性较低的问题。
【技术实现步骤摘要】
票据识别方法、装置和处理器及电子设备
[0001]本申请涉及大数据处理
，具体而言，涉及一种票据识别方法、装置和处理器及电子设备。
技术介绍
[0002]随着金融市场的迅速扩张，金融业务量大幅增长，纸质票据每年的使用增幅达到15％
‑
20％，票据种类也随之大量增加。当前，金融机构大部分的票据处理工作仍由人工完成，面临着效率低，流程长，耗时多等问题，不仅需要消耗大量的人力资源，并且人工检测票据出现的处理差错还会公司带来巨大损失，因此，如何实现票据的自动化处理，成为各大金融机构的热点研究课题。
[0003]由于不同类型的票据往往对应着不同的处理流程，实现票据的自动化处理首先需要解决票据的自动化分类。然而，现有技术中采用的用于完成票据识别分类的图像识别算法，无法满足票据的细粒度图像分类需求，例如由于票据出具机构的不同以及各机构业务流程存在多样性，尽管相同种类的票据具有相似的结构布局和内容信息，但在图像的局部区域包含关键判别信息，现有的图像分类方法往往无法获得较高的分类精度，进而导致票据识别的准确性较低的问题。
[0004]针对相关技术中票据识别的准确性较低的问题，目前尚未提出有效的解决方案。
技术实现思路
[0005]本申请的主要目的在于提供一种票据识别方法、装置和处理器及电子设备，以解决相关技术中票据识别的准确性较低的问题。
[0006]为了实现上述目的，根据本申请的一个方面，提供了一种票据识别方法。该方法包括：获取待分类的票据图像；对上述票据图像进行特征提取，得到上述票据图像在第一卷积维度上的第一特征信息；对上述第一特征信息进行映射填充处理，得到上述票据图像在第二卷积维度上的第二特征信息，其中，上述第二卷积维度高于上述第一卷积维度；对上述第二特征信息进行压缩变换处理，得到上述票据图像在上述第一卷积维度上的目标特征信息；对上述目标特征信息进行识别处理，得到上述票据图像对应的目标票据类型。
[0007]作为一种可选的方案，在所获取待分类的票据图像之后，上述方法还包括：将上述票据图像输入预设模型进行特征提取处理，得到上述票据图像在上述第一卷积维度上的上述第一特征信息，其中，上述预设模型至少用于获取上述票据图像在不同卷积维度上的特征信息；在获取到上述票据图像的目标特征信息的情况下，利用上述预设模型对上述目标特征信息进行识别预测，输出上述票据图像对应的上述目标票据类型，其中，上述目标特征信息为利用上述预设模型对上述第一特征信息先映射至上述第二卷积维度进行特征填补，以及在特征填补完成后压缩变换回上述第一卷积维度得到的。
[0008]作为一种可选的方案，在上述将上述票据图像输入预设模型进行特征提取处理之前，上述方法还包括：获取初始化的第一模型、以及获取用于训练上述第一模型的票据样本
集，其中，上述票据样本集包括：训练票据样本、验证票据样本和测试票据样本；利用上述训练票据样本对上述第一模型进行训练，得到训练后的第二模型；基于上述验证票据样本获取上述第二模型的目标损失函数值；在上述目标损失函数值小于预设损失阈值的情况下，基于上述测试票据样本获取上述第二模型的测试结果；在上述测试结果指示预测全部正确的情况下，将上述第二模型确定为上述预设模型。
[0009]作为一种可选的方案，上述基于上述验证票据样本获取上述第二模型的目标损失函数值包括：获取上述第二模型的初始损失函数；对上述初始损失函数进行标签正则化处理，得到目标损失函数，其中，上述目标损失函数用于提供上述第二模型的类间信息；根据上述验证票据样本和上述目标损失函数，得到上述第二模型的上述目标损失函数值。
[0010]作为一种可选的方案，上述利用上述训练票据样本对上述第一模型进行训练包括：利用上述训练票据样本对上述第一模型进行N轮训练，其中，在当前轮次训练完成的情况下，将上述当前轮次的上述训练票据样本的训练次序进行更新，得到下一轮的上述训练票据样本的训练次序，以及在每10轮训练完成的情况下，更新后10轮的训练学习率，其中，后10轮的上述训练学习率为上述前10轮的上述训练学习率的十分之一，上述N为大于10的正整数。
[0011]作为一种可选的方案，上述获取用于训练上述第一模型的票据样本集包括：获取不同票据类型的初始票据样本，对上述初始票据样本进行数据增强处理，以及将数据增强后的票据样本按预设比例划分为上述训练票据样本、上述验证票据样本和上述测试票据样本，其中，上述数据增强处理包括：随机旋转处理、高斯模糊处理、椒盐模糊处理、随机亮度调整处理。
[0012]作为一种可选的方案，上述获取待分类的票据图像包括：利用数据摄像机，将采集到的票据扫描为图像形式，得到上述票据图像；在上述得到上述票据图像对应的目标票据类型之后，上述方法还包括：播报与上述目标票据类型对应的提示信息，其中，上述提示信息用于指示执行与上述票据图像对应的票据业务。
[0013]为了实现上述目的，根据本申请的另一方面，提供了一种票据识别装置。该装置包括：获取单元，用于获取待分类的票据图像；提取单元，用于对上述票据图像进行特征提取，得到上述票据图像在第一卷积维度上的第一特征信息；映射单元，用于对上述第一特征信息进行映射填充处理，得到上述票据图像在第二卷积维度上的第二特征信息，其中，上述第二卷积维度高于上述第一卷积维度；压缩单元，用于对上述第二特征信息进行压缩变换处理，得到上述票据图像在上述第一卷积维度上的目标特征信息；识别单元，用于对上述目标特征信息进行识别处理，得到上述票据图像对应的目标票据类型。
[0014]作为一种可选的方案，上述装置还包括：提取模块，用于在所获取待分类的票据图像之后，将上述票据图像输入预设模型进行特征提取处理，得到上述票据图像在上述第一卷积维度上的上述第一特征信息，其中，上述预设模型至少用于获取上述票据图像在不同卷积维度上的特征信息；预测模块，用于在所获取待分类的票据图像之后，在获取到上述票据图像的目标特征信息的情况下，利用上述预设模型对上述目标特征信息进行识别预测，输出上述票据图像对应的上述目标票据类型，其中，上述目标特征信息为利用上述预设模型对上述第一特征信息先映射至上述第二卷积维度进行特征填补，以及在特征填补完成后压缩变换回上述第一卷积维度得到的。
[0015]作为一种可选的方案，上述装置还包括：第一获取模块，用于在上述将上述票据图像输入预设模型进行特征提取处理之前，获取初始化的第一模型、以及获取用于训练上述第一模型的票据样本集，其中，上述票据样本集包括：训练票据样本、验证票据样本和测试票据样本；训练模块，用于在上述将上述票据图像输入预设模型进行特征提取处理之前，利用上述训练票据样本对上述第一模型进行训练，得到训练后的第二模型；第二获取模块，用于在上述将上述票据图像输入预设模型进行特征提取处理之前，基于上述验证票据样本获取上述第二模型的目标损失函数值；第三获取模块，用于在上述将上述票据图像输入预设模型进行特征提取处理之前，在上述目标损失函数值小于预设损失阈值的情况下，基于上述测试票据样本获取上述第二本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种票据识别方法，其特征在于，包括：获取待分类的票据图像；对所述票据图像进行特征提取，得到所述票据图像在第一卷积维度上的第一特征信息；对所述第一特征信息进行映射填充处理，得到所述票据图像在第二卷积维度上的第二特征信息，其中，所述第二卷积维度高于所述第一卷积维度；对所述第二特征信息进行压缩变换处理，得到所述票据图像在所述第一卷积维度上的目标特征信息；对所述目标特征信息进行识别处理，得到所述票据图像对应的目标票据类型。2.根据权利要求1所述的方法，其特征在于，在所获取待分类的票据图像之后，所述方法还包括：将所述票据图像输入预设模型进行特征提取处理，得到所述票据图像在所述第一卷积维度上的所述第一特征信息，其中，所述预设模型至少用于获取所述票据图像在不同卷积维度上的特征信息；在获取到所述票据图像的目标特征信息的情况下，利用所述预设模型对所述目标特征信息进行识别预测，输出所述票据图像对应的所述目标票据类型，其中，所述目标特征信息为利用所述预设模型对所述第一特征信息先映射至所述第二卷积维度进行特征填补，以及在特征填补完成后压缩变换回所述第一卷积维度得到的。3.根据权利要求2所述的方法，其特征在于，在所述将所述票据图像输入预设模型进行特征提取处理之前，所述方法还包括：获取初始化的第一模型、以及获取用于训练所述第一模型的票据样本集，其中，所述票据样本集包括：训练票据样本、验证票据样本和测试票据样本；利用所述训练票据样本对所述第一模型进行训练，得到训练后的第二模型；基于所述验证票据样本获取所述第二模型的目标损失函数值；在所述目标损失函数值小于预设损失阈值的情况下，基于所述测试票据样本获取所述第二模型的测试结果；在所述测试结果指示预测全部正确的情况下，将所述第二模型确定为所述预设模型。4.根据权利要求3所述的方法，其特征在于，所述基于所述验证票据样本获取所述第二模型的目标损失函数值包括：获取所述第二模型的初始损失函数；对所述初始损失函数进行标签正则化处理，得到目标损失函数，其中，所述目标损失函数用于提供所述第二模型的类间信息；根据所述验证票据样本和所述目标损失函数，得到所述第二模型的所述目标损失函数值。5.根据权利要求3所述的方法，其特征在于，所述利用...
【专利技术属性】
技术研发人员：刁涛，
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：
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。