[发明专利]基于深度学习的信息识别方法及相关设备

摘要

本申请涉及图像分类识别技术领域，尤其涉及一种基于深度学习的信息识别方法及相关设备，所述方法包括：从所述待认证信息中抽取地理位置，根据所述地理位置从数据库中抽取出对应的背景图像；获取数个不同工作场景的样本场景图像，将所述样本场景图像入参到卷积神经网络模型中进行训练后得到场景分类模型；以实时场景图像作为待分类样本入参到所述场景分类模型中进行分类后得到所述场景图像类别信息；提取所述场景图像中的场景特征；提取所述背景图像的图像特征点，将所述图像特征点与所述场景特征进行比较。本申请通过在对贷款人贷款资格审核时，引入场景信息核验，从而避免了贷款人通过虚构工作情况以获得贷款申请资格的问题。

主权项

1.一种基于深度学习的信息识别方法，其特征在于，包括：/n接收客户端上传的待认证信息，从所述待认证信息中抽取出所述客户端上传所述待认证信息时的地理位置，根据所述地理位置从数据库中抽取出对应的背景图像；/n获取数个不同工作场景的样本场景图像，将所述样本场景图像入参到卷积神经网络模型中进行训练后得到场景分类模型；/n接收客户端上传的实时场景图像，将所述实时场景图像作为待分类样本入参到所述场景分类模型中进行分类后得到所述场景图像类别信息；/n根据所述场景图像类别信息，提取所述场景图像中的场景特征；/n提取所述背景图像的图像特征点，将所述图像特征点与所述场景特征进行比较，若一致，则赋予所述客户端以权限，否则不赋予；/n其中，所述将所述样本场景图像入参到卷积神经网络模型中进行训练后得到场景分类模型，包括：/n连接所述卷积神经网络模型中的卷积层，根据所述卷积层的数量，确定各所述卷积层之间的距离和输入到所述卷积神经网络各卷积层的场景图像的数量；/n其中，所述场景图像的数量计算公式如下：/n 式子中，S_L表示输入到第L卷积层的场景图像数，G表示卷积层之间的梯度，l表示向第L卷积层输入的带有所述场景图像的卷积层个数，ΔL表示第一卷积层与最后一层卷积层之间的距离，h表示相邻两个卷积层之前的距离，S表示第一卷积层输入的场景图像数，S₀表示相邻两个卷积层之间传递的场景图像数；/n根据所述卷积层之间的梯度，确定级联的卷积层位置；/n以所述场景图像数作为卷积层级联的数量，根据所述级联的卷积层位置连接所述卷积层后，得到所述场景分类模型。/n