[发明专利]一种判断网络餐饮商家证照缺失的方法

权利要求书

1.一种判断网络餐饮商家证照缺失的方法，其特征在于，包括步骤：

S100，数据集收集和存储：使用爬虫技术从各网络餐饮平台爬取商家证件图片数据，将爬取到的数据存储在数据库中；从数据库中分组选取图片进行标注，将图片标注进行分类；

S200，构建梯度增强注意力网络模型：所述梯度增强注意力网络模型包括主网络、子网络和注意力模块；所述主网络对输入图片进行变换后得到主网络特征图；所述子网络为一个除通道数外其他参数与主网络参数完全相同的网络，用于计算与主网络特征图相同大小的子网络梯度特征图；所述主网络和子网络通过注意力模块连接，注意力模块计算子网络梯度特征图与主网络特征图的相似度，得到梯度特征增强的特征图返回给主网络；

所述主网络包括多个残差模块、平均池化层和全连接层，每个所述残差模块依次串联后连接至平均池化层，所述平均池化层连接至全连接层；每个残差模块和平均池化层均通过各自的注意力模块连接子网络；所述注意力模块计算子网络梯度特征图与主网络特征图的相似度；将子网络梯度特征图与主网络特征图经过softmax层后得到通道权重，主网络特征图张量乘以所述通道权重后得到梯度特征增强的特征图并传往下一个模块；

S300，优化模型参数：从数据库中读取标注后的图片数据对所述梯度增强注意力网络模型进行优化训练；

S400，预测证件类别：从数据库中读取无标签的图片数据，并将无标签的图片数据输入所述梯度增强注意力网络模型，得到预测的证件类别；

S500，根据预测得到的证件类别，对比得出餐饮商家所缺失的证件。

2.根据权利要求1所述的一种判断网络餐饮商家证照缺失的方法，其特征在于，所述梯度增强注意力网络模型图片处理过程包括步骤：

在主网络中对输入图片进行梯度变换，分别与x轴和y轴方向的Sobel算子进行卷积计算，得到图片在两个方向上的主网络特征图；

将所述主网络特征图输入子网络；

通过子网络计算与主网络特征图相同大小的子网络梯度特征图；

所述注意力模块分别计算子网络梯度特征图与主网络特征图的相似度，经过softmax层后得到通道权重，主网络特征图张量乘以所述通道权重后得到梯度特征增强的特征图。

3.根据权利要求2所述的一种判断网络餐饮商家证照缺失的方法，其特征在于，所述子网络的输入通道数为2，且每个通道互相独立；子网络的所有卷积核为2维，所有卷积输入输出通道数均为1。

4.根据权利要求3所述的一种判断网络餐饮商家证照缺失的方法，其特征在于，在所述注意力模块中，计算公式为：

所述子网络梯度特征图与主网络特征图的相似度为：

f_ij为主网络的特征图，g_i^x和g_i^y为特征图相同大小的梯度特征图；

所述权重ω_i^x，ω_i^y为：

所述梯度特征增强的特征图f′_ij为：

其中，d是为增强权重衰减系数。

5.根据权利要求1所述的一种判断网络餐饮商家证照缺失的方法，其特征在于，在所述步骤S100中根据图片进行分类后的标注图片，得到训练集、验证集和测试集，并将所述训练集、验证集和测试集存储在云端服务器中；

在所述步骤S300中，利用所述训练集输入模型进行训练，调整参数，直到验证集在模型上的损失函数输出降到临界值；在测试集上测试模型，输入测试集得到预测输出，将预测输出和测试集的标签对比得到混淆矩阵，经过计算得到准确率。

6.根据权利要求1所述的一种判断网络餐饮商家证照缺失的方法，其特征在于，将图片标注进行分类，分类类别根据食品证件设立，包括食品经营许可证、餐饮服务许可证、营业执照、食品流通许可证和食品店备案证。