[发明专利]基于无锚框两阶段网络检测发票印章的方法及装置

权利要求书

1.一种基于无锚框两阶段网络检测发票印章的方法，其特征在于：包括如下步骤，S1发票图片预处理，处理器从存储器获取发票图片，对发票图片图像预处理并获得统一尺寸的预处理图片；S2提取预处理后图片特征，处理器将预处理图片输入至特征提取卷积神经网络并获得特征图，所述特征提取卷积神经网络为基于ResNet-50卷积神经网络去掉其最后的全连接层和池化层而获得的神经网络，所述特征图为经过特征提取卷积神经网络而形成的最后一层的特征图；S3生成无锚框候选区域，处理器对特征图分别进行类别判断分支和位置回归分支处理并生成无锚框候选区域，所述类别判断分支和位置回归分支处理为分别取两个3×3的窗口与特征图进行卷积。

2.根据权利要求1所述的基于无锚框两阶段网络检测发票印章的方法，其特征在于：步骤S1具体包括如下步骤，S101旋转处理，处理器对预处理图片做随机旋转处理，以50％的概率进行水平旋转并获得旋转图片；S102归一化处理，处理器将旋转图片进行归一化处理并获得归一化图片；S103统一图片，处理器将上述归一化图片进行填充并获得统一尺寸的预处理图片；在步骤S2中，所述特征图为最后得到的大小为C×H×W的特征向量矩阵F，其中，C为图像的通道，H为图像的高度，W为图像的宽度。

3.根据权利要求1所述的基于无锚框两阶段网络检测发票印章的方法，其特征在于：在步骤S3之后还包括如下步骤，S4截取区域特征，处理器通过无锚框候选区域对特征图进行截取并获得区域特征图；S5分类与回归，处理器基于K*K*C的区域特征图进行分类和回归处理。

4.根据权利要求3所述的基于无锚框两阶段网络检测发票印章的方法，其特征在于：在步骤S4中，基于任一候选框沿特征图的高度和宽度方向都平均切成K份，获得K*K个方格，对每一个方格进行最大池化，获得K*K*C的区域特征图，K＝5，C＝512；在步骤S5中，对于每一个区域特征图，分别经过分类分支和回归分支，每个分支都是四层3x3的卷积层，分类分支最后输出的特征图形状为H*W*N，回归分支最后输出的特征图形状为H*W*4，其中N为待分类的类别数目，4为回归得到的到四个边的距离。

5.一种基于无锚框两阶段网络检测发票印章的装置，其特征在于：包括发票图片预处理模块、提取预处理后图片特征模块和生成无锚框候选区域模块，发票图片预处理模块为程序模块，用于处理器从存储器获取发票图片，对发票图片图像预处理并获得统一尺寸的预处理图片；提取预处理后图片特征模块为程序模块，用于处理器将预处理图片输入至特征提取卷积神经网络并获得特征图，所述特征提取卷积神经网络为基于ResNet-50卷积神经网络去掉其最后的全连接层和池化层而获得的神经网络，所述特征图为经过特征提取卷积神经网络而形成的最后一层的特征图；生成无锚框候选区域模块为程序模块，用于处理器对特征图分别进行类别判断分支和位置回归分支处理并生成无锚框候选区域，所述类别判断分支和位置回归分支处理为分别取两个3×3的窗口与特征图进行卷积。

6.根据权利要求5所述的基于无锚框两阶段网络检测发票印章的装置，其特征在于：所述发票图片预处理模块，还用于处理器对预处理图片做随机旋转处理，以50％的概率进行水平旋转并获得旋转图片，处理器将旋转图片进行归一化处理并获得归一化图片，处理器将上述归一化图片进行填充并获得统一尺寸的预处理图片；在提取预处理后图片特征模块中，所述特征图为最后得到的大小为C×H×W的特征向量矩阵F，其中，C为图像的通道，H为图像的高度，W为图像的宽度。

7.根据权利要求5所述的基于无锚框两阶段网络检测发票印章的装置，其特征在于：还包括截取区域特征模块和分类与回归模块，截取区域特征模块为程序模块，用于处理器通过无锚框候选区域对特征图进行截取并获得区域特征图；分类与回归模块为程序模块，用于处理器基于K*K*C的区域特征图进行分类和回归处理。