证件分类模型的训练方法、证件分类方法、装置和介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114202673A(43)申请公布日2022.03.18(21)申请号202111521244.0(22)申请日2021.12.13(71)申请人深圳壹账通智能科技有限公司地址518000广东省深圳市前海深港合作区前湾一路1号A栋201室（入驻深圳市前海商务秘书有限公司）(72)发明人蔡壮壮林大权徐亮(74)专利代理机构北京英特普罗知识产权代理有限公司11015代理人王立姣(51)Int.Cl.G06V10/764(2022.01)G06K9/62(2022.01)权利要求书3页说明书10页附图4页(54)发明名称证件分类模型的训练方法、证件分类方法、装置和介质(57)摘要本发明涉及人工智能技术领域，具体公开了一种证件分类模型的训练方法，所述方法包括：获取证件样本集，并从所述证件样本集中提取一证件样本；获取预设的N种数据增强算法集和所述N种数据增强算法集的使用顺序；按照所述使用顺序从所述N种数据增强算法集中确定出用于对所述证件样本进行数据增强处理的数据增强算法集，并根据确定出的数据增强算法集对所述证件样本进行数据增强处理，获得目标证件样本；根据多个目标证件样本训练出用于进行证件分类的证件分类模型。CN114202673ACN114202673A权利要求书1/3页1.一种证件分类模型的训练方法，其特征在于，所述方法包括：获取证件样本集，并从所述证件样本集中提取一证件样本；获取预设的N种数据增强算法集和所述N种数据增强算法集的使用顺序；按照所述使用顺序从所述N种数据增强算法集中确定出用于对所述证件样本进行数据增强处理的数据增强算法集，并根据确定出的数据增强算法集对所述证件样本进行数据增强处理，获得目标证件样本；根据多个目标证件样本训练出用于进行证件分类的证件分类模型。2.根据权利要求1所述的方法，其特征在于，每种数据增强算法集均关联一标签范围，所述按照所述使用顺序从所述N种数据增强算法集中确定出用于对所述证件样本进行数据增强处理的数据增强算法集，并根据确定出的数据增强算法集对所述证件样本进行数据增强处理，获得目标证件样本，包括：步骤A1，生成所述证件样本的标签值，判断该标签值是否在第1个数据增强算法集关联的标签范围内，若是则执行步骤A2，若否则执行步骤A3；步骤A2，根据第1个数据增强算法集对所述证件样本进行数据增强处理，并执行步骤A3；步骤A3，再次生成所述证件样本的标签值，判断该标签值是否在第i+1个数据增强算法集关联的标签范围内，若是则执行步骤A4，若否则执行步骤A5，其中，i是初始值为1的正整数；步骤A4，若前i个数据增强算法集对所述证件样本进行了数据增强处理，则根据第i+1个数据增强算法集对上一次数据增强处理后的证件样本继续进行数据增强处理，并执行步骤A5；若前i个数据增强算法集未对所述证件样本进行数据增强处理，则根据第i+1个数据增强算法集对所述证件样本进行数据增强处理，并执行步骤A5；步骤A5，判断i+1是否等于N，若是则将最后一次数据增强处理后的证件样本记为所述目标证件样本，若否将i赋值为i+1并返回执行步骤A3。3.根据权利要求2所述的方法，其特征在于，所述生成所述证件样本的标签值，包括：从所有标签范围中确定出一最大标签边界值；随机生成[0，所述最大标签边界值]范围内的一数值，作为所述证件样本的标签值。4.根据权利要求1所述的方法，其特征在于，所述根据多个目标证件样本训练出用于进行证件分类的证件分类模型，包括：通过卷积神经网络的m个卷积层提取所述目标证件样本的特征，获得m个第一特征向量，其中，m为大于等于2的正整数；通过所述卷积神经网络的Attention层对第m个卷积层输出的第一特征向量中的特征元素设置权重，获得第m’个第一特征向量；根据第m’个第一特征向量计算所述目标证件样本的分类值；从所述证件样本集中提取所述多个目标证件样本的分类值，并根据所述证件样本集中所述多个目标证件样本的分类值和计算出的对应目标证件样本的分类值训练出所述证件分类模型。5.根据权利要求4所述的方法，其特征在于，所述根据第m’个第一特征向量计算所述目标证件样本的分类值，包括：2CN114202673A权利要求书2/3页从前m‑1个卷积层输出的第一特征向量中筛选出p个第一特征向量；根据所述p个第一特征向量和所述第m’个第一特征向量计算所述目标证件样本的分类值；其中，p为大于等于1且小于等于m的正整数。6.一种证件分类方法，其特征在于，所述方法包括：获取待分类证件；通过证件分类模型的m个卷积层提取所述待分类证件的特征，获得m个第二特征向量，其中，m为大于等于2的正整数，所述证件分类模型通过权利要求1至5任一项所述的方法获得；通过所述证件分类模型的Attention