【技术实现步骤摘要】
图像清晰度确定方法、装置、存储介质及电子设备
[0001]本专利技术涉及人工智能领域,具体而言,涉及一种图像清晰度确定方法
、
装置
、
存储介质及电子设备
。
技术介绍
[0002]金融业务中,许多关键操作依赖于金融凭证或票据信息的准确性
。
例如,银行需要对客户提交的支票或汇票进行处理,保险公司需要处理理赔清单等
。
这些操作通常依赖于高拍仪或其他设备拍摄的金融凭证或票据图像,然后使用
OCR
技术将其转换成数字化的文本信息
。
然而,由于受银行网点等金融机构的拍摄环境
、
拍照设备像素或传感器吸能你不佳等因素的影响,拍摄的图像可能存在例如模糊
、
偏斜
、
光照不足
、
阴影
、
噪声等问题
。
这些问题可能对后续的
OCR
识别结果造成一定偏差,从而减低操作的准确性和效率
。
[0003] ...
【技术保护点】
【技术特征摘要】
1.
一种图像清晰度确定方法,其特征在于,包括:获取待确定清晰度的图像,其中,所述图像为金融票据的图像;将所述图像输入预先训练好的图像清晰度确定模型,输出所述图像的清晰度确定结果,其中,所述图像清晰度确定模型包括骨干网络和清晰度确定网络,所述骨干网络用于从所述图像中提取高维度特征,所述清晰度确定网络用于根据所述高维度特征确定所述图像的清晰度
。2.
根据权利要求1所述的方法,其特征在于,所述将所述图像输入预先训练好的图像清晰度确定模型,输出所述图像的清晰度确定结果,包括:将所述图像输入所述骨干网络,输出所述高维度特征;在所述清晰度确定网络包括卷积通道
、
全连接通道和全连接输出层的情况下,将所述高维度特征输入所述卷积通道,输出第一特征,以及将所述高维度特征输入所述全连接通道,输出第二特征;将所述第一特征和所述第二特征拼接,得到拼接特征;将所述拼接特征输入所述全连接输出层,输出所述图像的清晰度确定结果
。3.
根据权利要求2所述的方法,其特征在于,所述将所述高维度特征输入所述卷积通道,输出第一特征,包括:在所述卷积通道包括卷积层和第一全局平均池化层的情况下,将所述高维度特征输入所述卷积层进行特征卷积提取,输出卷积特征;将所述卷积特征输入所述第一全局平均池化层进行全局平均池化,输出所述第一特征
。4.
根据权利要求2所述的方法,其特征在于,将所述高维度特征输入所述全连接通道,输出第二特征,包括:在所述全连接通道包括第二全局平均池化层和权重层的情况下,将所述高维度特征输入所述第二全局平均池化层进行全局平均池化,输出池化特征;将所述池化特征输入所述权重层,将所述池化特征与所述权重层的权重参数做两次点乘运算,生成所述第二特征
。5.
根据权利要求1至4中任意一项所述的方法,其特征在于,所述图像清晰度确定模型为通过如下方式训练得到的模型:获取所述图像清晰度确定模型的原始模型
、
训练样本集和测试样本集,其中,所述训练样本集中的训练样本...
【专利技术属性】
技术研发人员:裴凯洋,谭博帅,陈辉兴,于淼,
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。