【技术实现步骤摘要】
本专利技术涉及图像分类识别，尤其涉及一种基于多协同神经网络的图像分类识别系统。
技术介绍
1、随着科技的发展，文本资料的保存形式也有了巨大的变化，而对于保存时间较长的纸质文档，受限于印刷技术以及材料工艺，纸质文档的文本资料有大量的遗失，且在经过扫描后，因识别技术的落后，其实际记载的文本与存储的文本有着较大差异。
2、中国专利授权公告号：cn117454957b公开了一种用于图像处理神经网络模型的推理训练系统，包括模型接入模块、模型解析模块、训练监控模块、推理解析模块和模型反馈模块，所述模型接入模块用于与一个图像处理神经网络模型进行对接，所述模型解析模块用于对图像处理神经网络模型中的神经元节点布局情况进行解析，所述训练监控模块用于对图像处理神经网络模型在训练过程中神经元节点的参数变化情况进行监控，所述推理解析模块用于对参数变化情况进行推理分析，所述模型反馈模块用于将推理分析结果反馈给图像处理神经网络模型；该专利技术加快了图像处理神经网络模型的学习速度，改善了浪费计算机资源且计算实时性差的问题。
3、但是，上述方法存...
【技术保护点】
1.基于多协同神经网络的图像分类识别系统，其特征在于，包括：
2.根据权利要求1所述的基于多协同神经网络的图像分类识别系统，其特征在于，所述分类模块对所述用户的权限进行验证，以对所述用户的权限进行分类；
3.根据权利要求2所述的基于多协同神经网络的图像分类识别系统，其特征在于，所述识别模块根据所述单个用户对应的撰写池中的各文本资料的内容确定该用户的识别字符；
4.根据权利要求3所述的基于多协同神经网络的图像分类识别系统，其特征在于，对于所述单个识别字符，所述识别模块在识别该字符时，该字符对应的文本类别大于一个，将该字符标记为异常字符...
【技术特征摘要】
1.基于多协同神经网络的图像分类识别系统，其特征在于，包括：
2.根据权利要求1所述的基于多协同神经网络的图像分类识别系统，其特征在于，所述分类模块对所述用户的权限进行验证，以对所述用户的权限进行分类；
3.根据权利要求2所述的基于多协同神经网络的图像分类识别系统，其特征在于，所述识别模块根据所述单个用户对应的撰写池中的各文本资料的内容确定该用户的识别字符；
4.根据权利要求3所述的基于多协同神经网络的图像分类识别系统，其特征在于，对于所述单个识别字符，所述识别模块在识别该字符时，该字符对应的文本类别大于一个，将该字符标记为异常字符，并将该字符进行模糊识别以对应单个文本，并且将完成识别的各识别字符与对应文本组成所述书写拟合池；
5.根据权利要求4所述的基于多协同神经网络的图像分类识别系统，其特征在于，对于所述单个用户，所述识别模块在建立该用户对应的所述书写拟合池时，设置对应所述模糊识别的模糊率，根据模糊率将拟合度超过预设识别率的所述各识别字符对应的文本进行输出，并形成对应的拟合文本；
6.根据权利要求5所述的基于多协同神经网络的图像分类识别系统，其特征在于，对于所述单个拟合文本，识别模块还对该拟合文本进行语义...
【专利技术属性】
技术研发人员：钟叶平，王静波，胡连双，
申请(专利权)人：汉唐信通北京科技有限公司，
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。