CN108681738A - 一种印章识别方法及系统 - Google Patents
一种印章识别方法及系统 Download PDFInfo
- Publication number
- CN108681738A CN108681738A CN201810236795.4A CN201810236795A CN108681738A CN 108681738 A CN108681738 A CN 108681738A CN 201810236795 A CN201810236795 A CN 201810236795A CN 108681738 A CN108681738 A CN 108681738A
- Authority
- CN
- China
- Prior art keywords
- seal
- identified
- region
- recognition
- seal designs
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种印章识别方法及系统,包括如下步骤:获取包含印章图案的图像;检测图像上印章图案所在区域,旋转所述印章图案区域并获得0°、90°、180°及270°的四个待识别区域;将四个待识别区域输入识别模型进行识别,输出四个识别置信度,当识别置信度最高值超过设定阈值时,以所述识别置信度最高值作为印章图案识别结果。本发明的印章识别方法实现了大规模识别印章,识别准确率达到了98%以上。
Description
技术领域
本发明属于模式识别、人工智能技术领域,尤其涉及一种通过摄像模块获取紫砂壶印章图像,并利用深度学习算法实现的一种印章识别方法及系统。
背景技术
为了对紫砂壶进行甄别,工艺师通常都会在紫砂壶底部添加印章,以标识作品的作者及相关信息。由于印章图像一般都是请专门的艺术设计,其字体和写法都千奇百怪,各具特色,对普通人来说很难辨别,甚至交于专门人士都会产生分歧。另外,同一个工艺师往往都有好几个印章图案;根据紫砂壶泥料的不同,最终呈现出来的紫砂壶实体上的印章图案相比印在纸质上的印章图案有很大不同,具体表现在背景噪声干扰、粗细不一、深浅不一、模糊等;而且随着紫砂壶在使用的过程中,底部的印章图案有可能会产生侵蚀、污损等情况,这些都加大了对紫砂壶印章识别的难度。
紫砂壶印章识别的难度,另一个重要的因素是,目前未见报道有人去做工艺师印章图案的搜集和图库的建立工作。仅当印章图库覆盖大量的当前市场上活跃的紫砂壶工艺师时,印章识别方法才有真正的实用意义。本专利提出的印章识别的方法及系统建立在印章图库的基础上。
发明内容
本发明的目的在于,提出一种印章识别方法,解决无法识别紫砂壶印章问题。
为了实现上述目的,本发明所采用的技术方案为:
一种印章识别方法,包括如下步骤:
获取包含印章图案的图像;
检测图像上印章图案所在区域,旋转所述印章图案区域并获得0°、90°、180°及270°的四个待识别区域;
将四个待识别区域输入识别模型进行识别,输出四个识别置信度,当识别置信度最高值超过设定阈值时,以所述识别置信度最高值作为印章图案识别结果。
其中,所述识别模型为卷积神经识别网络。
其中,还包括识别模型训练,包括如下步骤:
将包含印章图案的图像进行变换,所述变换包括任意角度旋转、高斯模糊、高斯白噪声、校验噪声和/或平移设定距离;
随机选择组合变换后的图像生成新的训练数据X;
将训练数据X输入目标函数进行训练,所述目标函数为:
其中N是训练数据样本数量,fω(X(i))是单个样本的损失函数,M是训练数据的总个数,ωj是其中的第j个参数,λ为训练参数的权重。
其中,所述目标函数采用小批量随机梯度下降法进行后向传播计算。
其中,获得0°、90°、180°及270°的待识别区域包括如下步骤:
将印章图案区域进行旋转矫正,取得0°待识别区域;
将0°待识别区域分别旋转90°、180°及270°获取四个待识别区域。
本发明还公开一种印章识别系统,包括:
摄像装置,获取包含印章图案的图像;
存储介质,所述存储介质用于执行以下指令:
检测图像上印章图案所在区域,旋转所述印章图案区域并获得0°、90°、180°及270°的四个待识别区域;
将四个待识别区域输入识别模型进行识别,输出四个识别置信度,当识别置信度最高值超过设定阈值时,以所述识别置信度最高值作为印章图案识别结果。
其中,所述识别模型为卷积神经识别网络。
其中,所述系统还包括训练平台,所述训练平台用于执行识别模型训练,包括如下步骤:
将包含印章图案的图像进行变换,所述变换包括任意角度旋转、高斯模糊、高斯白噪声、校验噪声和/或平移设定距离;
随机选择组合变换后的图像生成新的训练数据X;
将训练数据X输入目标函数进行训练,所述目标函数为:
其中N是训练数据样本数量,fω(X(i))是单个样本的损失函数,M是训练数据的总个数,ωj是其中的第j个参数,λ为训练参数的权重。
其中,所述目标函数采用小批量随机梯度下降法进行后向传播计算。
其中,获得0°、90°、180°及270°的待识别区域包括如下步骤:
将印章图案区域进行旋转矫正,取得0°待识别区域;
将0°待识别区域分别旋转90°、180°及270°获取四个待识别区域。
本发明的有益效果为:
本发明的印章识别方法实现了大规模识别印章,识别准确率达到了98%以上,紫砂壶藏家通过识别印章了解紫砂壶信息,为紫砂壶的真假辨识提供重要的参考信息。
附图说明
图1为本发明实施方式中所获取的包含印章图案的图像的示意图;
图2为本发明实施方式中所获取的0°待识别区域;
图3为本发明实施方式中所获取的90°待识别区域;
图4为本发明实施方式中所获取的180°待识别区域;
图5为本发明实施方式中所获取的270°待识别区域;
图6为本发明实施方式中印章识别方法的流程图。
具体实施方式
以下将结合附图所示的具体实施方式对本发明进行详细描述。但这些实施方式并不限制本发明,本领域的普通技术人员根据这些实施方式所做出的结构、方法、或功能上的变换均包含在本发明的保护范围内。
由于紫砂壶的印章图案一般都是请专门的艺术设计,其字体和写法都千奇百怪,各具特色,对普通人来说很难辨别,甚至交于专门人士都会产生分歧,同一个工艺师往往都有好几个印章图案。
根据紫砂壶泥料的不同,最终呈现出来的紫砂壶实体上的印章图案比印在纸质上的印章图案有很大不同,具体表现在背景噪声干扰、粗细不一、深浅不一、模糊等。而且随着紫砂壶在使用过程中,底部的印章图案有可能会产生侵蚀、污损等情况。
为了解决上述技术问题,本发明的一实施方式中公开一种印章识别方法,所述印章识别方法能够普遍适用于方形印章识别、圆形印章识别等,参阅图6所示,包括如下步骤:
S101:获取包含印章图案的图像;
该步骤中可以通过手机等移动设备拍摄印章图案,也可以从其他设备获取光学印章图案,该方法不仅限制于在手机上使用,也可以通过其他固定或移动设备获取印章图案,如通过扫描枪、高拍仪等识读设备。
S102:检测图像上印章图案所在区域,旋转所述印章图案区域并获得0°、90°、180°及270°的四个待识别区域;
在该过程中,需要对印章图案的图像进行预处理,参阅图1所示,由于拍摄的图像可能包含除印章图案以外的背景图像,而且由于印章图案人为难以辨识,所以在拍摄时可能存在印章图案的旋转。因此包含印章图案的图像预处理主要解决印章图案所在区域检测以及旋转矫正,从而获得不含太多背景干扰的正拍印章图案。
由于印章图案的不易识别性,在进行印章图案扫描时往往不知道哪个是正方向(印章图案上的字体正的),因此需要做4个角度的图像增广,从而提高识别率和用户体验。本发明实施方式中,通过旋转印章图案区域并获得0°、90°、180°及270°的四个待识别区域,参阅图2、图3、图4、图5所示。
在一优选的实施方式中,获得0°、90°、180°及270°的待识别区域包括如下步骤:
将印章图案区域进行旋转矫正,取得0°待识别区域;
将0°待识别区域分别旋转90°、180°及270°获取四个待识别区域。
S103:将四个待识别区域输入识别模型进行识别,输出四个识别置信度,当识别置信度最高值超过设定阈值时,以所述识别置信度最高值作为印章图案识别结果。
将四个角度的图案同时输入到识别模型中,每个角度的图案都会输出一个识别置信度。在本发明的实施方式中,先设定一个识别置信度阈值,并判断识别置信度最高值是否超过设定阈值,当识别置信度超过设定阈值时,以置信度最高的识别结果作为印章识别的结果,否则输出为“无法识别”或“非印章图案”。
上述实施方式中,所述识别模型优选采用卷积神经识别网络。采用卷积神经识别网络,识别速度快,识别准确率高。
所述识别模型通过预先训练获得,所述识别模型训练包括如下步骤:
获取包含印章图案的图像,将所述图像作为原始训练数据,所述图像可通过线上搜集或者线下拍摄获得。
将包含印章图案的图像进行任意角度旋转,所述旋转优选在预设范围内任意角度旋转,如正负10度以内进行旋转。或者对印章图案的图像进行不同高斯核的高斯模糊。或者将印章图案的图像加入高斯白噪声或校验噪声中,或者在预设范围内平移设定距离,所述平移距离优选的为印章图案区域的20%上下左右以内。
随机选择组合变换后的图像生成新的训练数据X;通过上述一系列的模拟现实的变化,再通过随机组合,我们可以在原始的印章图案的图像上进行数据增广获得更多的训练数据,提高识别的精确度,并且较多的训练数据训练出来的模型在进行实际图像的识别时可以避免过拟合现象的发生。由于构造训练数据时充分考虑了实际可能出现的小角度旋转、小范围平移、模糊等情况,因此可以大幅度提升识别的准确率。
将训练数据X输入目标函数进行训练,所述目标函数为:
通过不断迭代,使得越来越小,其中N是训练数据样本数量,fω(X(i))是单个样本的损失函数,M是训练数据的总个数,ωj是其中的第j个参数,λ为训练参数的权重。
所述目标函数采用小批量随机梯度下降法进行后向传播计算。通过如下的方式更新权重ω的值:
其中,的计算方法通过如下公式得到:
μ是用于更新当前参数值时平衡前次更新值的冲量,α是学习率。
本发明的一实施方式还公开一种印章识别系统,所述系统应用印章识别方法工作,所述系统包括:
摄像装置,获取包含印章图案的图像;所述摄像装置可以为手机自带的摄像组件或为了识读方形印章设计的专用摄像装置、识读头等。
存储介质,所述存储介质用于执行以下指令:
检测图像上印章图案所在区域,旋转所述印章图案区域并获得0°、90°、180°及270°的四个待识别区域;其中,获得0°、90°、180°及270°的待识别区域包括如下步骤:将印章图案区域进行旋转矫正,取得0°待识别区域;将0°待识别区域分别旋转90°、180°及270°获取四个待识别区域。由于拍摄的图像可能包含除印章图案以外的背景图像,而且由于印章图案人为难以辨识,所以在拍摄时可能存在印章图案的旋转。因此需要进行印章图案所在区域检测以及旋转矫正,从而获得不含太多背景干扰的正拍印章图案。由于印章图案的不易识别性,在进行印章图案扫描时往往不知道哪个是正的方向,因此需要做4个角度的图像增广,从而提高识别率和用户体验。通过旋转印章图案区域并获得0°、90°、180°及270°的四个待识别区域。
将四个待识别区域输入识别模型进行识别,输出四个识别置信度,当识别置信度最高值超过设定阈值时,以所述识别置信度最高值作为印章图案识别结果。
在一优选的实施方式中,所述识别模型可以采用卷积神经识别网络,所述卷积神经识别网络可优先训练获得。
在一实施方式中,所述系统还包括训练平台,所述训练平台用于执行识别模型训练,包括如下步骤:
将包含印章图案的图像进行变换,所述变换包括任意角度旋转、高斯模糊、高斯白噪声、校验噪声和/或平移设定距离;
随机选择组合变换后的图像生成新的训练数据X;
将训练数据X输入目标函数进行训练,所述目标函数为:
其中N是训练数据样本数量,fω(X(i))是单个样本的损失函数,M是训练数据的总个数,ωj是其中的第j个参数,λ为训练参数的权重。其中,所述目标函数采用小批量随机梯度下降法进行后向传播计算。
上述实施方式所述的印章识别方法可嵌入到相关的陶瓷艺术品APP或软件中,呈现为类似“扫一扫”的功能形态,紫砂壶藏家仅需对着紫砂壶印章图案进行拍摄即可获得识别结果,为紫砂壶藏家了解该艺术品的作者信息提供便利。上述实施方式所提出的印章识别方法也为紫砂壶的真假辨识提供重要的参考信息。
上述实施方式所述的印章识别方法及系统,实现了大规模识别印章,识别准确率达到了98%以上,紫砂壶藏家通过识别印章了解紫砂壶信息,为紫砂壶的真假辨识提供重要的参考信息。
应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施方式中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
上文所列出的一系列的详细说明仅仅是针对本发明的可行性实施方式的具体说明,它们并非用以限制本发明的保护范围,凡未脱离本发明技艺精神所作的等效实施方式或变更均应包含在本发明的保护范围之内。
Claims (10)
1.一种印章识别方法,其特征在于,包括如下步骤:
获取包含印章图案的图像;
检测图像上印章图案所在区域,旋转所述印章图案区域并获得0°、90°、180°及270°的四个待识别区域;
将四个待识别区域输入识别模型进行识别,输出四个识别置信度,当识别置信度最高值超过设定阈值时,以所述识别置信度最高值作为印章图案识别结果。
2.根据权利要求1所述的印章识别方法,其特征在于:所述识别模型为卷积神经识别网络。
3.根据权利要求1或2所述的印章识别方法,其特征在于:还包括识别模型训练,包括如下步骤:
将包含印章图案的图像进行变换,所述变换包括任意角度旋转、高斯模糊、高斯白噪声、校验噪声和/或平移设定距离;
随机选择组合变换后的图像生成新的训练数据X;
将训练数据X输入目标函数进行训练,所述目标函数为:
其中N是训练数据样本数量,fω(X(i))是单个样本的损失函数,M是训练数据的总个数,ωj是其中的第j个参数,λ为训练参数的权重。
4.根据权利要求2或3所述的印章识别方法,其特征在于:所述目标函数采用小批量随机梯度下降法进行后向传播计算。
5.根据权利要求1所述的印章识别方法,其特征在于:获得0°、90°、180°及270°的待识别区域包括如下步骤:
将印章图案区域进行旋转矫正,取得0°待识别区域;
将0°待识别区域分别旋转90°、180°及270°获取四个待识别区域。
6.一种印章识别系统,其特征在于,包括:
摄像装置,获取包含印章图案的图像;
存储介质,所述存储介质用于执行以下指令:
检测图像上印章图案所在区域,旋转所述印章图案区域并获得0°、90°、180°及270°的四个待识别区域;
将四个待识别区域输入识别模型进行识别,输出四个识别置信度,当识别置信度最高值超过设定阈值时,以所述识别置信度最高值作为印章图案识别结果。
7.根据权利要求6所述的印章识别系统,其特征在于:所述识别模型为卷积神经识别网络。
8.根据权利要求6或7所述的印章识别系统,其特征在于:所述系统还包括训练平台,所述训练平台用于执行识别模型训练,包括如下步骤:
将包含印章图案的图像进行变换,所述变换包括任意角度旋转、高斯模糊、高斯白噪声、校验噪声和/或平移设定距离;
随机选择组合变换后的图像生成新的训练数据X;
将训练数据X输入目标函数进行训练,所述目标函数为:
其中N是训练数据样本数量,fω(X(i))是单个样本的损失函数,M是训练数据的总个数,ωj是其中的第j个参数,λ为训练参数的权重。
9.根据权利要求7或8所述的印章识别系统,其特征在于:所述目标函数采用小批量随机梯度下降法进行后向传播计算。
10.根据权利要求8或9所述的印章识别系统,其特征在于:获得0°、90°、180°及270°的待识别区域包括如下步骤:
将印章图案区域进行旋转矫正,取得0°待识别区域;
将0°待识别区域分别旋转90°、180°及270°获取四个待识别区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810236795.4A CN108681738A (zh) | 2018-03-21 | 2018-03-21 | 一种印章识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810236795.4A CN108681738A (zh) | 2018-03-21 | 2018-03-21 | 一种印章识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108681738A true CN108681738A (zh) | 2018-10-19 |
Family
ID=63800483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810236795.4A Pending CN108681738A (zh) | 2018-03-21 | 2018-03-21 | 一种印章识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108681738A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110210503A (zh) * | 2019-06-14 | 2019-09-06 | 厦门历思科技服务有限公司 | 一种印章识别方法和装置以及设备 |
CN110222689A (zh) * | 2019-06-19 | 2019-09-10 | 山东浪潮人工智能研究院有限公司 | 一种基于深度学习的西洋银器戳记识别方法 |
CN110443250A (zh) * | 2019-07-31 | 2019-11-12 | 天津车之家数据信息技术有限公司 | 一种合同印章的类别识别方法、装置和计算设备 |
CN111753785A (zh) * | 2020-07-01 | 2020-10-09 | 浪潮云信息技术股份公司 | 一种基于深度学习技术的印章检测方法 |
CN112037077A (zh) * | 2020-09-03 | 2020-12-04 | 平安健康保险股份有限公司 | 基于人工智能的印章识别方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101008985A (zh) * | 2007-01-18 | 2007-08-01 | 章毅 | 印章鉴别系统及其控制方法 |
CN101894260A (zh) * | 2010-06-04 | 2010-11-24 | 北京化工大学 | 基于匹配特征点随机生成特征线的伪造印章识别方法 |
CN104463122A (zh) * | 2014-12-09 | 2015-03-25 | 四川大学 | 一种基于pcnn的印章识别方法 |
CN104915648A (zh) * | 2015-06-02 | 2015-09-16 | 北京天创征腾信息科技有限公司 | 文档/单证方向检测方法和检测装置 |
CN107220640A (zh) * | 2017-05-23 | 2017-09-29 | 广州绿怡信息科技有限公司 | 字符识别方法、装置、计算机设备和计算机可读存储介质 |
-
2018
- 2018-03-21 CN CN201810236795.4A patent/CN108681738A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101008985A (zh) * | 2007-01-18 | 2007-08-01 | 章毅 | 印章鉴别系统及其控制方法 |
CN101894260A (zh) * | 2010-06-04 | 2010-11-24 | 北京化工大学 | 基于匹配特征点随机生成特征线的伪造印章识别方法 |
CN104463122A (zh) * | 2014-12-09 | 2015-03-25 | 四川大学 | 一种基于pcnn的印章识别方法 |
CN104915648A (zh) * | 2015-06-02 | 2015-09-16 | 北京天创征腾信息科技有限公司 | 文档/单证方向检测方法和检测装置 |
CN107220640A (zh) * | 2017-05-23 | 2017-09-29 | 广州绿怡信息科技有限公司 | 字符识别方法、装置、计算机设备和计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
王茜 等: ""深度学习框架Caffe在图像分类中的应用"", 《现代计算机(专业版)》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110210503A (zh) * | 2019-06-14 | 2019-09-06 | 厦门历思科技服务有限公司 | 一种印章识别方法和装置以及设备 |
CN110222689A (zh) * | 2019-06-19 | 2019-09-10 | 山东浪潮人工智能研究院有限公司 | 一种基于深度学习的西洋银器戳记识别方法 |
CN110443250A (zh) * | 2019-07-31 | 2019-11-12 | 天津车之家数据信息技术有限公司 | 一种合同印章的类别识别方法、装置和计算设备 |
CN110443250B (zh) * | 2019-07-31 | 2022-06-10 | 天津车之家数据信息技术有限公司 | 一种合同印章的类别识别方法、装置和计算设备 |
CN111753785A (zh) * | 2020-07-01 | 2020-10-09 | 浪潮云信息技术股份公司 | 一种基于深度学习技术的印章检测方法 |
CN112037077A (zh) * | 2020-09-03 | 2020-12-04 | 平安健康保险股份有限公司 | 基于人工智能的印章识别方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108681738A (zh) | 一种印章识别方法及系统 | |
CN107886064B (zh) | 一种基于卷积神经网络的人脸识别场景适应的方法 | |
CN109255322B (zh) | 一种人脸活体检测方法及装置 | |
CN110647817B (zh) | 基于MobileNet V3的实时人脸检测方法 | |
JP6926335B2 (ja) | 深層学習における回転可変物体検出 | |
CN109409263B (zh) | 一种基于Siamese卷积网络的遥感影像城市地物变化检测方法 | |
CN108491837B (zh) | 一种提高车牌攻击鲁棒性的对抗攻击方法 | |
CN104700099B (zh) | 识别交通标志的方法和装置 | |
CN108446700B (zh) | 一种基于对抗攻击的车牌攻击生成方法 | |
CN106372581A (zh) | 构建及训练人脸识别特征提取网络的方法 | |
CN109657716A (zh) | 一种基于深度学习的车辆外观损伤识别方法 | |
CN108399406A (zh) | 基于深度学习的弱监督显著性物体检测的方法及系统 | |
CN108564120B (zh) | 基于深度神经网络的特征点提取方法 | |
CN106127164A (zh) | 基于显著性检测和卷积神经网络的行人检测方法及装置 | |
AU2021101142A4 (en) | Method and System for Constructing Digital Rock | |
CN107808161A (zh) | 一种基于光视觉的水下目标识别方法 | |
CN106156712A (zh) | 一种基于自然场景下的身份证号码识别方法与装置 | |
CN108133212A (zh) | 一种基于深度学习的定额发票金额识别系统 | |
CN110046617A (zh) | 一种基于深度学习的数字电表读数自适应识别方法 | |
CN107092883A (zh) | 物体识别追踪方法 | |
CN106469304A (zh) | 基于深度卷积神经网络的票据中手写签名位置定位方法 | |
CN110689000B (zh) | 一种基于生成复杂环境下车牌样本的车辆车牌识别方法 | |
CN110472495B (zh) | 一种基于图形推理全局特征的深度学习人脸识别方法 | |
CN110245711A (zh) | 基于角度旋转生成网络的sar目标识别方法 | |
CN109977832A (zh) | 一种图像处理方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181019 |