[发明专利]文档图像方向识别方法、装置及模型的训练方法、装置

权利要求书

1.一种文档图像方向识别模型的训练方法，包括：

根据注意力机制，生成训练图像的注意力裁剪图像和注意力抹除图像；

根据注意力机制，分别确定所述训练图像、所述注意力裁剪图像以及所述注意力抹除图像各自的注意力融合特征；

根据各注意力融合特征分别识别相应图像的方向，得到相应的识别结果；

根据各识别结果计算交叉熵损失值，以及根据各注意力融合特征计算中心损失值，根据交叉熵损失值和中心损失值对所述文档图像方向识别模型进行参数优化或停止训练。

2.如权利要求1所述的文档图像方向识别模型的训练方法，其特征在于，所述根据注意力机制，生成训练图像的注意力裁剪图像和注意力抹除图像包括：

提取训练图像的原始特征；

根据注意力机制和所述原始特征生成注意力特征，根据所述注意力特征和所述训练图像生成注意力裁剪图像和注意力抹除图像。

3.如权利要求2所述的文档图像方向识别模型的训练方法，其特征在于，所述根据所述注意力特征和所述训练图像生成注意力裁剪图像和注意力抹除图像包括：

调整注意力特征的特征矩阵至与所述训练图像的大小相适应；

从调整后的特征矩阵中确定注意力响应区域；

根据所述注意力响应区域的最小包围框从所述训练图像中裁剪出所述注意力裁剪图像；

从所述注意力响应区域中随机选取部分元素，根据该部分元素的最小包围框和/或掩模在所述训练图像中抹除相应部分的图像区域，得到注意力抹除图像。

4.如权利要求1所述的文档图像方向识别模型的训练方法，其特征在于，所述根据注意力机制，分别确定所述训练图像、所述注意力裁剪图像以及所述注意力抹除图像的注意力融合特征包括：

分别提取所述训练图像、所述注意力裁剪图像以及所述注意力抹除图像的原始特征；

通过注意力机制和各图像的原始特征，分别生成各图像的注意力特征；

对每个图像，将该图像的原始特征与注意力特征进行融合，得到该图像的注意力融合特征。

5.如权利要求1所述的文档图像方向识别模型的训练方法，其特征在于，所述根据各识别结果计算交叉熵损失值，以及根据各注意力融合特征计算中心损失值，根据交叉熵损失值和中心损失值对所述文档图像方向识别模型进行参数优化或停止训练包括：

将注意力融合特征通过softmax输出识别结果，根据识别结果和真实值计算交叉熵损失值；

根据各注意力融合特征与各图像方向的中心特征计算中心损失值；

当各交叉熵损失值和所述中心损失值均小于相应的预设值时停止训练，否则，根据交叉熵损失值和中心损失值对所述文档图像方向识别模型进行参数优化。

6.如权利要求1-5中任一项所述的文档图像方向识别模型的训练方法，其特征在于，所述注意力机制为注意力扰动机制。

7.一种文档图像方向识别方法，包括：

获取待进行方向识别的文档图像；

利用通过权利要求1-6中任一项所述的方法训练得到的文档图像方向识别模型确定所述文档图像的注意力融合特征，并基于所述注意力融合特征确定所述文档图像的方向。

8.一种文档图像方向识别模型的训练装置，包括：

注意力图像单元，用于根据注意力机制，生成训练图像的注意力裁剪图像和注意力抹除图像；

特征单元，用于根据注意力机制，分别确定所述训练图像、所述注意力裁剪图像以及所述注意力抹除图像各自的注意力融合特征；

控制单元，用于根据各注意力融合特征分别识别相应图像的方向，得到相应的识别结果；根据各识别结果计算交叉熵损失值，以及根据各注意力融合特征计算中心损失值，根据交叉熵损失值和中心损失值对所述文档图像方向识别模型进行参数优化或停止训练。