[发明专利]一种基于深度学习的票据分拣方法有效
| 申请号： | 201910787567.0 | 申请日： | 2019-08-23 |
| 公开（公告）号： | CN110490267B | 公开（公告）日： | 2022-03-01 |
| 发明（设计）人： | 肖欣庭;池明辉;梁欢;赵冬;罗姗姗 | 申请（专利权）人： | 四川长虹电器股份有限公司 |
| 主分类号： | G06V10/774 | 分类号： | G06V10/774;G06V10/764;G06V10/762;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 四川省成都市天策商标专利事务所(有限合伙) 51213 | 代理人： | 郭会 |
| 地址： | 621000 四*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的票据分拣方法，包括以下步骤：S1.收集业务数据，进行归档标注：利用ImageNet预训练的VGG16网络加上无监督聚类算法K‑Means对收集的业务图片进行粗分类，然后通过人工进行准确归类获得标注好的票据数据；S2.划分数据集：将TotalDatasct划分为训练集TrainDataset和验证集ValidationDataset，基于各具体票据类型样本数目的多少选择性地划分训练和验证数据集，在训练数据和验证数据划分层面考虑了样本不均衡的情况；S3.训练STNEfficientNet：利用TrainDataset训练和利用ValidationDataset验证网络结构STNEfficientNet；S4.部署训练完成的模型，利用训练好的网络STNEfficientNet，对客户上传的新的票据进行自动分拣。本发明训练速度快，精度高，能有效提升人工分类票据的效率。 | ||
| 搜索关键词： | 一种 基于 深度 学习 票据 分拣 方法 | ||
【主权项】：
1.一种基于深度学习的票据分拣方法，其特征在于，包括以下步骤：/nS1.收集业务数据，进行归档标注：利用ImageNet预训练的VGG16网络加上无监督聚类算法K-Means对收集的业务图片进行粗分类，然后通过人工进行准确归类获得标注好的票据数据；/nS2.划分数据集：将TotalDataset划分为训练集TrainDataset和验证集ValidationDataset，基于各具体票据类型样本数目的多少选择性地划分训练和验证数据集，在训练数据和验证数据划分层面考虑了样本不均衡的情况；/nS3.训练STNEfficientNet：利用TrainDataset训练和利用ValidationDataset验证网络结构STNEfficientNet；/nS4.部署训练完成的模型，利用训练好的网络STNEfficientNet，对客户上传的新的票据进行自动分拣。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于四川长虹电器股份有限公司，未经四川长虹电器股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910787567.0/，转载请声明来源钻瓜专利网。
