[发明专利]一种判断网络餐饮商家证照缺失的方法

说明书

本发明公开一种判断网络餐饮商家证照缺失的方法，包括数据集收集和存储；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；子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；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；优化模型参数；预测证件类别；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。本发明通过建立梯度增强注意力网络模型增强对证件图片中文字区域识别的敏感性，有效提高模型识别准确率，能够从大量网络平台数据中快速且有效地识别出缺失规定证照的商家。

技术领域

本发明属于网络信息识别技术领域，特别是涉及一种判断网络餐饮商家证照缺失的方法。

背景技术

在网络餐饮监管中，商家是否正确上传了规定的证照是考察食品安全的重要指标。根据我国相关规定，网络餐饮商家需要上传“食品经营许可证”或“餐饮服务许可证”。人工逐一检查商家证照是否缺失耗时耗力，且监管单位的监管资源有限，难以面对无限的监管市场和监管需求。

在网络餐饮监管系统中，通过爬虫系统获取商家证件照片存储在数据库中，利用这些证照数据训练一个证照图片分类模型，是提高监管效率的重要手段。由于相同类别的证照具有相同的证件名称、证件字段名称、以及相似的边框和背景特征，使用卷积神经网络可以较好地完成证照图片分类任务。然而，由于某些不同类别的证件也可能含有相似的特征，如相似背景颜色、相似字体颜色、相似边框纹理等，这些实际不同类别很容易被普通的网络识别成相同类别。

发明内容

为了解决上述问题，本发明提出了一种判断网络餐饮商家证照缺失的方法，通过构建梯度增强注意力网络模型对证件图片中文字区域识别的敏感性有了较大的提高，能够有效提高模型对带有文字的证件图片分类的准确率，从大量网络平台数据中快速且有效地识别出缺失规定证照的商家。

为达到上述目的，本发明采用的技术方案是：一种判断网络餐饮商家证照缺失的方法，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；

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。

进一步的是，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。

进一步的是，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；