【技术实现步骤摘要】
本申请涉及金融科技领域或其他相关领域，尤其涉及一种模型的钱币图像的自动处理方法、训练方法、装置及设备。
技术介绍
1、在钱币的流通过程中，随着钱币的使用，出现了钱币兑换业务。
2、在现有技术中，钱币兑换业务以及钱币兑换结果的判断，主要通过业务人员进行人工兑换识别。然而，通过人工的方式进行钱币的兑换，会导致效率低下和准确度低下的问题。
技术实现思路
1、本申请提供一种模型的钱币图像的自动处理方法、训练方法、装置及设备，用以解决钱币兑换的效率低和准确率低的问题。
2、第一方面，本申请提供一种基于模型的钱币图像的自动处理方法，包括：
3、获取待识别的钱币图像；
4、将所述待识别的钱币图像输入到预设的兑换识别模型的分类模块中，进行残差计算处理和级联注意力计算处理，得到所述待识别的钱币图像的分类结果；
5、若确定所述待识别的钱币图像的分类结果表征待识别的钱币图像为残缺钱币图像，则将所述待识别的钱币图像输入到预设的兑换识别模型的兑换模块中进行兑换计算处理，得到所述待识别的钱币图像的兑换结果为待识别的钱币图像的兑换比例。
6、在一种可能的设计中，将所述待识别的钱币图像输入到预设的兑换识别模型的分类模块中，进行残差计算处理和级联注意力计算处理，得到所述待识别的钱币图像的分类结果，包括：将所述待识别的钱币图像输入到预设的兑换识别模型的分类模块的特征提取子模块中，进行特征提取处理，得到所述待识别的钱币图像的图像特征；将所述图像特征
7、在一种可能的设计中，将所述待识别的钱币图像输入到预设的兑换识别模型的分类模块的特征提取子模块中，进行特征提取处理，得到所述待识别的钱币图像的图像特征，包括：将所述待识别的钱币图像输入到所述特征提取子模块的第一特征提取层中，进行卷积处理和最大池化处理，得到第一中间提取结果，所述第一中间提取结果表征对所述待识别的钱币图像进行卷积处理和最大池化处理后的结果；将所述第一中间提取结果输入到所述特征提取子模块的第二特征提取层中，进行残差计算处理和级联注意力计算处理，得到所述待识别的钱币图像的图像特征。
8、在一种可能的设计中，将所述图像特征输入到所述分类模块的分类子模块中，进行分类处理，得到所述待识别的钱币图像的分类结果，包括：将所述图像特征输入到所述分类子模块的第一分类层中，进行特征降维处理，得到第一中间分类结果，所述第一中间分类结果表征对所述图像特征进行特征降维处理后的结果；将所述第一中间分类结果输入到所述分类子模块的第二分类层中，进行全局平均池化处理，得到所述待识别的钱币图像的分类结果。
9、在一种可能的设计中，将所述待识别的钱币图像输入到预设的兑换识别模型的兑换模块中进行兑换计算处理，得到所述待识别的钱币图像的兑换结果为待识别的钱币图像的兑换比例，包括：将所述待识别的钱币图像输入到所述兑换模块的图像分割子模块中，进行图像聚类处理，得到所述待识别的钱币图像的分割结果；将所述待识别的钱币图像的分割结果输入到所述兑换模块的面积计算子模块中，进行面积比例计算处理，得到所述待识别的钱币图像的残留面积比例；将所述待识别的钱币图像的残留面积比例输入所述兑换模块的比例确定子模块，进行兑换比例确定处理，得到所述待识别的钱币图像的兑换比例。
10、在一种可能的设计中，所述方法，还包括：若确定所述待识别的钱币图像的分类结果表征待识别的钱币图像为完整钱币图像，则确定所述待识别的钱币图像的兑换结果为无需兑换；若确定所述待识别的钱币图像的分类结果表征待识别的钱币图像为非钱币图像，则确定所述待识别的钱币图像的兑换结果为无法兑换。
11、第二方面，本申请提供一种应用于钱币图像的自动处理的模型训练方法，包括：
12、获取训练数据集合；其中，所述训练数据集合中包括第一数据集合和第二数据集合；所述第一数据集合中包括多个第一图像，所述多个第一图像中包括待训练的残缺钱币图像、待训练的完整钱币图像、以及待训练的非钱币图像；所述第二数据集合中包括多个第二图像和第二图像的历史兑换比例，所述第二图像为待训练的残缺钱币图像；
13、将所述第一数据集合中的第一图像，输入到初始模型的分类模块中，进行残差计算处理和级联注意力计算处理，以对所述分类模块进行训练，得到训练后的分类模块；
14、将所述第二数据集合中的第二图像，输入到初始模型的兑换模块中进行兑换计算处理，以对所述兑换模块进行训练，得到训练后的兑换模块；
15、其中，所述训练后的分类模块和所述训练后的兑换模块，构成如上第一方面所述的预设的兑换识别模型。
16、在一种可能的设计中，将所述第一数据集合中的第一图像，输入到初始模型的分类模块中，进行残差计算处理和级联注意力计算处理，以对所述分类模块进行训练，得到训练后的分类模块，包括：将所述第一数据集合中的第一图像输入到初始模型的分类模块的特征提取子模块中，进行特征提取处理，得到所述第一图像的图像特征；将所述第一图像的图像特征输入到所述初始模型的分类模块的分类子模块中，进行分类处理，得到所述第一图像的分类结果；根据所述第一图像的分类结果计算所述初始模型的分类模块的评估值；若所述初始模型的分类模块的评估值大于或等于预设的分类模块的评估值阈值，则得到所述训练后的分类模块；若所述初始模型的分类模块的评估值小于所述预设的分类模块的评估值阈值，则对所述初始模型的分类模块的参数进行调整，并重复将所述第一数据集合中的第一图像输入到初始模型的分类模块的特征提取子模块中，和将所述图像特征输入到所述初始模型的分类模块的分类子模块中的步骤。
17、在一种可能的设计中，将所述第一数据集合中的第一图像输入到初始模型的分类模块的特征提取子模块中，进行特征提取处理，得到所述第一图像的图像特征，包括：将所述第一数据集合中的第一图像输入到所述特征提取子模块的第一特征提取层中，进行卷积处理和最大池化处理，得到第二中间提取结果，所述第二中间提取结果表征对所述第一数据集合中的第一图像进行卷积处理和最大池化处理后的结果；将所述第二中间提取结果输入到所述特征提取子模块的第二特征提取层中，进行残差计算处理和级联注意力计算处理，得到所述第一图像的图像特征。
18、在一种可能的设计中，将所述第一图像的图像特征输入到所述初始模型的分类模块的分类子模块中，进行分类处理，得到所述第一图像的分类结果，包括：将所述第一图像的图像特征输入到所述初始模型的分类子模块的第一分类层中，进行特征降维处理，得到第二中间分类结果，所述第二中间分类结果表征对所述图像特征进行特征降维处理后的结果；将所述第二中间分类结果输入到所述初始模型的分类子模块的第二分类层中，进行全局平均池化处理，得到所述第一图像的分类结果。
19、在一种可能的设计中，将所述第二数据集合中的第二图像，输入到初始模型的兑换模块中进行兑换计算处理，以对所述兑换模本文档来自技高网...
【技术保护点】
1.一种基于模型的钱币图像的自动处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，将所述待识别的钱币图像输入到预设的兑换识别模型的分类模块中，进行残差计算处理和级联注意力计算处理，得到所述待识别的钱币图像的分类结果，包括：
3.根据权利要求2所述的方法，其特征在于，将所述待识别的钱币图像输入到预设的兑换识别模型的分类模块的特征提取子模块中，进行特征提取处理，得到所述待识别的钱币图像的图像特征，包括：
4.根据权利要求2所述的方法，其特征在于，将所述图像特征输入到所述分类模块的分类子模块中，进行分类处理，得到所述待识别的钱币图像的分类结果，包括：
5.根据权利要求1所述的方法，其特征在于，将所述待识别的钱币图像输入到预设的兑换识别模型的兑换模块中进行兑换计算处理，得到所述待识别的钱币图像的兑换结果为待识别的钱币图像的兑换比例，包括：
6.根据权利要求1-5中任一项所述的方法，其特征在于，所述方法，还包括：
7.一种应用于钱币图像的自动处理的模型训练方法，其特征在于，包括：
8.
9.根据权利要求8所述的方法，其特征在于，将所述第一数据集合中的第一图像输入到初始模型的分类模块的特征提取子模块中，进行特征提取处理，得到所述第一图像的图像特征，包括：
10.根据权利要求8所述的方法，其特征在于，将所述第一图像的图像特征输入到所述初始模型的分类模块的分类子模块中，进行分类处理，得到所述第一图像的分类结果，包括：
11.根据权利要求7-10中任一项所述的方法，其特征在于，将所述第二数据集合中的第二图像，输入到初始模型的兑换模块中进行兑换计算处理，以对所述兑换模块进行训练，得到训练后的兑换模块，包括：
12.一种基于模型的钱币图像的自动处理装置，其特征在于，包括：
13.一种应用于钱币图像的自动处理的模型训练装置，其特征在于，包括：
14.一种电子设备，其特征在于，包括：处理器，以及与所述处理器通信连接的存储器；
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至6中任一项所述的方法，或者权利要求7-11中任一项所述的方法。
16.一种计算机程序产品，其特征在于，包括计算机程序，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的方法，或者权利要求7-11中任一项所述的方法。
...【技术特征摘要】
1.一种基于模型的钱币图像的自动处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，将所述待识别的钱币图像输入到预设的兑换识别模型的分类模块中，进行残差计算处理和级联注意力计算处理，得到所述待识别的钱币图像的分类结果，包括：
3.根据权利要求2所述的方法，其特征在于，将所述待识别的钱币图像输入到预设的兑换识别模型的分类模块的特征提取子模块中，进行特征提取处理，得到所述待识别的钱币图像的图像特征，包括：
4.根据权利要求2所述的方法，其特征在于，将所述图像特征输入到所述分类模块的分类子模块中，进行分类处理，得到所述待识别的钱币图像的分类结果，包括：
5.根据权利要求1所述的方法，其特征在于，将所述待识别的钱币图像输入到预设的兑换识别模型的兑换模块中进行兑换计算处理，得到所述待识别的钱币图像的兑换结果为待识别的钱币图像的兑换比例，包括：
6.根据权利要求1-5中任一项所述的方法，其特征在于，所述方法，还包括：
7.一种应用于钱币图像的自动处理的模型训练方法，其特征在于，包括：
8.根据权利要求7所述的方法，其特征在于，将所述第一数据集合中的第一图像，输入到初始模型的分类模块中，进行残差计算处理和级联注意力计算处理，以对所述分类模块进行训练，得到训练后的分类模块，包括：
...【专利技术属性】
技术研发人员：张凯云，陈永录，乔晓艳，
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。