[发明专利]一种基于神经网络的印章识别系统及识别方法

权利要求书

1.一种基于神经网络的印章识别方法，其特征是：所述方法包括以下步骤：

步骤1：对印章图像数据进行标注，通过数据增广方法提高数据量，得到样本图像数据；

步骤2：根据数据增广后的样本图像数据，进行训练，得到训练接，提取印章图像特征并进行分类；

步骤3：根据得到的印章图像特征，采用APN网络得到注意力区域信息；

步骤4：对注意力区域进行裁剪，得到裁剪后的图像；

步骤5：重复三次步骤2-步骤4的操作，得到三个尺度网络的输出结果，通过将三个尺度网络的损失函数相加作为结果的损失函数，与训练集中结果进行匹配，对图片进行预测得出印章识别预测结果。

2.根据权利要求1所述的一种基于神经网络的印章识别方法，其特征是：所述步骤1具体为：将印章图像数据标注，进行数据增广，通过对训练图像做一系列随机改变，来产生相似但又不同的训练样本，从而扩大训练数据集的规模；

数据增广具体包括采用随机旋转；随机沿着水平或者垂直方向，以图像的尺寸百分比为变化范围进行平移；按比例随机缩放图像尺寸；综合使用上述方式。

3.根据权利要求2所述的一种基于神经网络的印章识别方法，其特征是：所述步骤2具体为：

采用MobileNetV2分类网络对样本图像提取特征并分类，得到图像特征；

上述特征提取操作为：采用Depth-wise Separable Convolution，即使用PW卷积，DW卷积，PW卷积的方式来提取特征。

4.根据权利要求3所述的一种基于神经网络的印章识别方法，其特征是：所述步骤3具体为：

根据提取的特征，采用APN网络得到注意力区域信息，通过将提取到的图像输入到预先训练好的卷积层来提取基于区域的深度特征，将网络在每个尺度上建模为一个具有两个输出的多任务，第一个任务在生成细粒度类别上的概率分布，第二个任务为下一个尺度预测一组参与区域的坐标。

5.根据权利要求4所述的一种基于神经网络的印章识别方法，其特征是：所述步骤4具体为：

裁剪通过将原始图像在较粗尺度上与注意掩膜相乘来实现，采用RA-CNN中裁剪方法的函数是可导的logistic函数，进行反向传播，完成端到端的训练；

将裁剪到的区域放大到更大的尺寸，利用以双线性插值为核心的向上采样方法，利用pytorch框架下的torch.nn.functional函数实现。

6.根据权利要求5所述的一种基于神经网络的印章识别方法，其特征是：所述步骤5具体为：

裁剪通过将原始图像在较粗尺度上与注意掩膜相乘来实现，采用RA-CNN中裁剪方法的函数是可导的logistic函数，进行反向传播，完成端到端的训练；

将裁剪到的区域放大到更大的尺寸，利用以双线性插值为核心的向上采样方法，利用pytorch框架下的torch.nn.functional函数实现。

7.根据权利要求6所述的一种基于神经网络的印章识别方法，其特征是：在jetsonNano设备中的神经网络模型对获取到的图片进行预测得出印章识别预测结果，并将该结果对应的国籍名称和该国国旗图片显示在显示单元中；将处理信息传输于存储单元进行储存，用于记录数据。

8.一种基于神经网络的印章识别系统，其特征是：所述系统包括：

标注模块，所述标注模块对印章图像数据进行标注，通过数据增广方法提高数据量，得到样本图像数据；

分类模块，所述分类模块根据数据增广后的样本图像数据，进行训练，得到训练接，提取印章图像特征并进行分类；

APN网络模块，所述标注模块根据得到的印章图像特征，采用APN网络得到注意力区域信息；

裁剪模块，所述裁剪模块对注意力区域进行裁剪，得到裁剪后的图像；

预测模块，所述预测模块根据得到三个尺度网络的输出结果，通过将三个尺度网络的损失函数相加作为结果的损失函数，与训练集中结果进行匹配，对图片进行预测得出印章识别预测结果。