-
Patent Agency Ranking
公开(公告)号：CN112966537A
公开(公告)日：2021-06-15
申请号：CN202110185463.X
申请日：2021-02-10
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于二维码定位的表单识别方法及系统，该方法包括：对待识别的表单进行扫描，获取表单图像，表单是在预设的表单模板上进行填写得到的；将表单图像和对应的表单模板进行匹配，根据匹配结果，获取表单图像中定位二维码的二维码位置偏移量，并根据二维码位置偏移量，得到表单图像中的文字区域坐标信息；根据文字区域坐标信息，获取表单图像中的文本区域图片，并将文本区域图片输入到训练好的文字识别模型中，得到表单图像的文字识别信息，训练好的文字识别模型是由样本文本区域图片，对卷积递归神经网络进行训练得到的。本发明有效克服文字检测阶段多目标检测带来的巨大开销，准确获取文本框的位置坐标，精确地将文字内容识别。
-
公开(公告)号：CN113111882A
公开(公告)日：2021-07-13
申请号：CN202110210167.0
申请日：2021-02-24
Applicant: 北京邮电大学
Abstract: 本发明提供一种卡证识别方法、装置、电子设备及存储介质，该方法包括：对卡证图片进行光学字符识别分析，得到卡证短文本数据；将所述卡证短文本数据输入训练好的卡证识别模型，得到卡证类别信息；其中，所述训练好的卡证识别模型是根据携带卡证类别标签的卡证短文本样本数据训练得到的。本申请使用OCR技术，对上传的卡证图片集进行文字及其坐标提取，把提取到的文字进行拼接，形成短文本数据集，并通过训练好的卡证识别模型进行推理，取概率值最大的类别作为该卡证图片的识别类别。该方法高效、准确，有效地补充了该领域的实现方案。
-
公开(公告)号：CN113111882B
公开(公告)日：2022-12-20
申请号：CN202110210167.0
申请日：2021-02-24
Applicant: 北京邮电大学
IPC: G06V30/148 , G06V30/19 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种卡证识别方法、装置、电子设备及存储介质，该方法包括：对卡证图片进行光学字符识别分析，得到卡证短文本数据；将所述卡证短文本数据输入训练好的卡证识别模型，得到卡证类别信息；其中，所述训练好的卡证识别模型是根据携带卡证类别标签的卡证短文本样本数据训练得到的。本申请使用OCR技术，对上传的卡证图片集进行文字及其坐标提取，把提取到的文字进行拼接，形成短文本数据集，并通过训练好的卡证识别模型进行推理，取概率值最大的类别作为该卡证图片的识别类别。该方法高效、准确，有效地补充了该领域的实现方案。
-
公开(公告)号：CN112966537B
公开(公告)日：2022-12-09
申请号：CN202110185463.X
申请日：2021-02-10
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于二维码定位的表单识别方法及系统，该方法包括：对待识别的表单进行扫描，获取表单图像，表单是在预设的表单模板上进行填写得到的；将表单图像和对应的表单模板进行匹配，根据匹配结果，获取表单图像中定位二维码的二维码位置偏移量，并根据二维码位置偏移量，得到表单图像中的文字区域坐标信息；根据文字区域坐标信息，获取表单图像中的文本区域图片，并将文本区域图片输入到训练好的文字识别模型中，得到表单图像的文字识别信息，训练好的文字识别模型是由样本文本区域图片，对卷积递归神经网络进行训练得到的。本发明有效克服文字检测阶段多目标检测带来的巨大开销，准确获取文本框的位置坐标，精确地将文字内容识别。
-
公开(公告)号：CN113094504A
公开(公告)日：2021-07-09
申请号：CN202110314496.X
申请日：2021-03-24
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于自动机器学习的自适应文本分类方法及装置，该方法包括：获取分类任务对应的训练数据集；根据所述训练数据集进行神经架构搜索，构建用于分类的神经网络模型；对构建好的神经网络模型进行训练；将待检测文本数据输入所述神经网络模型，输出分类结果。该方法针对不同的分类任务，自适应的搭建出最合适的模型架构，在不依赖于大规模预训练模型的情况下，大幅度的提升了模型的精确度。
-
-
-
-
Search Results
5
records
(took 0.017 seconds)
