【技术实现步骤摘要】
本专利技术属于票据识别，具体涉及一种端到端的票据识别方法和装置。
技术介绍
1、现有的票据识别需要耗费大量的人力物力对票据进行整理、归档、统计，票据智能识别则是先利用计算机识别出票据图像信息，然后对接到财务管理系统进行自动业务处理，可以节省人力成本，同时降低错误率，提升报销体验。
2、当前针对票据的识别主要分成两大类：借助ocr对票据图像进行ocr检测识别和基于深度学习的票据检测和识别。基于ocr识别的方法一般通过二值化--版面分析--行切割--字切割--字符识别等一系列流程，检测不同文字的纹理特征差异并确定其形状，然后利用字符识别方法将形状翻译成计算机文字；基于深度学习的方法则利用卷积神经网络在训练数据驱动下自适应地构建特征描述，找出具有区分度的文本信息并对票据进行识别。
3、传统的基于ocr的票据识别方法操作流程复杂、检测速度慢，无法适用于种类繁多、数量庞大的票据识别。随着深度学习的飞速发展，研究人员将票据文本检测识别和深度学习方法相结合，提供多种基于目标检测的算法以实现对票据图像的检测定位。
4...
【技术保护点】
1.一种端到端的票据识别方法，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，所述步骤S2中将分层的类残差连接应用到YOLOv5的多尺度特征提取模块C3中，包括：
3.根据权利要求1所述的方法，其特征在于，所述步骤S2中将YOLOv5的多尺度特征连接方式由路径聚合网络PANet改进为双向特征金字塔网络BiFPN，包括：
4.根据权利要求1所述的方法，其特征在于，所述步骤S2中将YOLOv5的多尺度特征连接方式由路径聚合网络PANet改进为双向特征金字塔网络BiFPN，还包括：
5.根据权利要求1所述的方法，...
【技术特征摘要】
1.一种端到端的票据识别方法，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，所述步骤s2中将分层的类残差连接应用到yolov5的多尺度特征提取模块c3中，包括：
3.根据权利要求1所述的方法，其特征在于，所述步骤s2中将yolov5的多尺度特征连接方式由路径聚合网络panet改进为双向特征金字塔网络bifpn，包括：
4.根据权利要求1所述的方法，其特征在于，所述步骤s2中将yolov5的多尺度特征连接方式由路径聚合网络panet改进为双向特征金字塔网络bifpn，还包括：
5.根据权利要求1所述的方法，其特征在于，所述步骤s3中改进的crnn算法采用resnet残差网络作为特征提...
【专利技术属性】
技术研发人员：曹鹏飞，许艳松，范丽文，胡健，戴兴华，
申请(专利权)人：中国邮政储蓄银行股份有限公司，
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。