[发明专利]一种基于深度学习的证件图片识别方法、装置及设备

权利要求书

1.一种基于深度学习的证件图片识别方法，其特征在于，包括：

获取待识别证件图片，并将所述待识别证件图片输入具有集成分类器的神经网络模型中；其中，所述集成分类器包括主分类器和辅助分类器；

利用所述主分类器和所述辅助分类器分别对所述待识别证件图片进行分类处理，得到主分类结果和辅助分类结果；

对所述主分类结果和辅助分类结果进行集成处理，得到图片类别识别结果。

2.根据权利要求1所述的基于深度学习的证件图片识别方法，其特征在于，构建所述神经网络模型的过程，包括：

在神经网络模型中插入全局平均池化层和分类函数层，构成具有集成分类器的所述神经网络模型。

3.根据权利要求2所述的基于深度学习的证件图片识别方法，其特征在于，所述神经网络模型的训练过程，包括：

利用随机梯度下降优化算法对所述神经网络模型的交叉熵损失函数进行优化；

利用所述交叉熵损失函数对所述神经网络的参数进行优化，直至所述交叉熵损失函数的损失值小于预设损失值，得到所述神经网络模型。

4.根据权利要求1所述的基于深度学习的证件图片识别方法，其特征在于，对所述主分类结果和辅助分类结果进行集成处理，得到图片类别识别结果，包括：

计算所述主分类结果和所述辅助分类结果的调和平均数，得到所述图片类别识别结果。

5.一种基于深度学习的证件图片识别装置，其特征在于，包括：

证件图片获取模块，用于获取待识别证件图片，并将所述待识别证件图片输入具有集成分类器的神经网络模型中；其中，所述集成分类器包括主分类器和辅助分类器；

分类模块，用于利用所述主分类器和所述辅助分类器分别对所述待识别证件图片进行分类处理，得到主分类结果和辅助分类结果；

结果获取模块，用于对所述主分类结果和辅助分类结果进行集成处理，得到图片类别识别结果。

6.根据权利要求5所述的基于深度学习的证件图片识别装置，其特征在于，包括：

分类器构建模块，用于在所述神经网络模型中插入全局平均池化层和分类函数层，构成所述主分类器和所述辅助分类器。

7.根据权利要求6所述的基于深度学习的证件图片识别装置，其特征在于，包括：

函数优化模块，用于利用随机梯度下降优化算法对所述神经网络模型的交叉熵损失函数进行优化；

模型训练模块，用于利用所述交叉熵损失函数对所述神经网络的参数进行优化，直至所述交叉熵损失函数的损失值小于预设损失值，得到所述神经网络模型。

8.根据权利要求5所述的基于深度学习的证件图片识别装置，其特征在于，所述结果获取模块，包括：

调和平均数计算单元，用于计算所述主分类结果和所述辅助分类结果的调和平均数，得到所述图片类别识别结果。

9.一种基于深度学习的证件图片识别设备，其特征在于，包括存储器和处理器，其中：

所述存储器，用于存储计算机程序；

所述处理器，用于执行所述计算机程序，以实现如权利要求1至4任一项所述的基于深度学习的证件图片识别方法。

10.一种计算机可读存储介质，其特征在于，用于保存计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的基于深度学习的证件图片识别方法。