[发明专利]自动识别原始文档的翻拍图像的训练方法和检测方法

权利要求书

1.一种自动识别原始文档的翻拍图像的训练方法，其特征在于，

包括：

构建由多张来源于原始文档的图像组成的图像数据库，所述图像数据库包括训练数据子集和测试数据子集，所述训练数据子集具有包括初始图像和翻拍图像的训练图像和与所述训练图像关联的标注结果，所述测试数据子集包括测试图像和与所述测试图像关联的标注结果，

其中，利用第一采集设备对所述原始文档进行扫描或拍摄获得所述初始图像，将所述初始图像打印至实物载体上得到打印图像，利用第二采集设备对所述打印图像进行扫描或拍摄获得所述翻拍图像，若所述第二采集设备是手机，则将所述图像数据库中相应的图像划分为手机数据集，若所述第二采集设备是扫描仪，则将所述图像数据库中相应的图像划分为扫描仪数据集，由手机获得的图像的图像质量低于由扫描仪获得的图像的图像质量；

获取初始卷积神经网络，所述初始卷积神经网络是利用现有图像数据集进行训练得到的卷积神经网络，所述现有图像数据集为ImageNet数据集，所述初始卷积神经网络的卷积层、池化层和全连接层经过所述ImageNet数据集的训练获得初始目标权重；并且

利用所述训练数据子集对所述初始卷积神经网络进行微调训练，从而获得能够输出所述原始文档的训练图像的分类结果的目标卷积神经网络，所述微调训练包括冻结所述初始卷积神经网络的全连接层之前的初始目标权重，利用所述训练数据子集重新训练所述全连接层的权重，以得到具有目标权重的全连接层，进而基于具有所述初始目标权重的卷积层和池化层以及具有所述目标权重的全连接层获得所述目标卷积神经网络，

其中，所述训练数据子集来源于所述手机数据集且所述测试数据子集来源于所述扫描仪数据集，进而使所述初始卷积神经网络在所述手机数据集上训练而捕捉图像细节并使所述目标卷积神经网络在所述扫描仪数据集上测试。

2.如权利要求1所述的训练方法，其特征在于，

还包括测试步骤：

将所述测试数据子集输入所述目标卷积神经网络获得分类结果；基于所述分类结果获得受试者工作特征曲线、置信度和等错误率；基于所述置信度和所述等错误率测试所述目标卷积神经网络的性能；且若所述置信度和所述等错误率不满足预设要求，则继续利用所述训练数据子集训练所述目标卷积神经网络，

重复所述测试步骤，直至所述置信度和所述等错误率满足预设要求。

3.如权利要求1所述的训练方法，其特征在于，

对所述图像数据库中的多张所述图像进行分割获得多个图像块，每个所述图像块的像素尺寸与所述卷积神经网络匹配。

4.如权利要求1所述的训练方法，其特征在于，

所述图像数据库中的多张所述图像利用具有成像系统的采集设备获得。

5.如权利要求1所述的训练方法，其特征在于，

所述初始卷积神经网络选自DenseNet121、DenseNet169、DenseNet201、InceptionV3、InceptionResNetV2、MobileNet、ResNeXt101、ResNeXt50、ResNet101V2、ResNet101、ResNet152V2、ResNet152、ResNet50V2、ResNet50、VGG16、VGG19或Xception中的任一个。

6.一种自动识别原始文档的翻拍图像的检测方法，其特征在于，

包括：

利用权利要求1至5中的任一项所述的训练方法训练卷积神经网络模块中的初始卷积神经网络，以获得目标卷积神经网络；

获取来源于原始文档的目标图像；并且

利用所述卷积神经网络模块对所述目标图像进行检测，确定所述目标图像是否为翻拍图像。

7.如权利要求6所述的检测方法，其特征在于，

对所述目标图像进行分割处理，获得多个图像块；

利用所述卷积神经网络模块检测各个所述图像块；

基于各个所述图像块的分类结果，确定所述目标图像是否为所述翻拍图像。