CN111488852A - 一种基于图像识别的缴费智能核查预警系统及预警方法 - Google Patents
一种基于图像识别的缴费智能核查预警系统及预警方法 Download PDFInfo
- Publication number
- CN111488852A CN111488852A CN202010316920.XA CN202010316920A CN111488852A CN 111488852 A CN111488852 A CN 111488852A CN 202010316920 A CN202010316920 A CN 202010316920A CN 111488852 A CN111488852 A CN 111488852A
- Authority
- CN
- China
- Prior art keywords
- image
- checking
- module
- early warning
- digital image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000002159 abnormal effect Effects 0.000 claims abstract description 17
- 238000005070 sampling Methods 0.000 claims abstract description 16
- 230000005540 biological transmission Effects 0.000 claims abstract description 15
- 238000000926 separation method Methods 0.000 claims abstract description 13
- 238000012795 verification Methods 0.000 claims description 16
- 238000011176 pooling Methods 0.000 claims description 12
- 238000013528 artificial neural network Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 6
- 230000000306 recurrent effect Effects 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000011002 quantification Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/40—Document-oriented image-based pattern recognition
- G06V30/41—Analysis of document content
- G06V30/412—Layout analysis of documents structured with printed lines or input boxes, e.g. business forms or tables
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/14—Image acquisition
- G06V30/148—Segmentation of character regions
- G06V30/153—Segmentation of character regions using recognition of characters or words
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07F—COIN-FREED OR LIKE APPARATUS
- G07F19/00—Complete banking systems; Coded card-freed arrangements adapted for dispensing or receiving monies or the like and posting such transactions to existing accounts, e.g. automatic teller machines
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Image Analysis (AREA)
- Character Discrimination (AREA)
Abstract
本发明公开了一种基于图像识别的缴费智能核查预警系统,使用该系统进行预警的方法为:通过分离模块将缴费凭证进行分离,并通过传送模块将分离后的缴费凭证依次传输至图像采集模块;通过图像采集模块对缴费凭证进行采集,得到采集图像;对采集图像进行采样操作和量化操作,得到数字图像,并将其存储到帧存储器;对数字图像进行归一化处理,通过图像识别对比模块识别数字图像的文本内容;将数字图像的文本内容与业务系统中的数据进行核查,并判断核查结果是否存在异常,若是,则进行预警,否则不进行任何操作。本发明能够自动识别图像内容和核查结果预警,降低了人力成本,减少了缴费核查的耗时,提高了缴费核查工作的效率和准确性。
Description
技术领域
本发明属于图像识别领域,具体涉及一种基于图像识别的缴费智能核查预警系统及预警方法。
背景技术
缴费核查是许多企业内控约束机制的重要组成部分,通过缴费核查可以反映出企业内部控制的薄弱点,对可能出现的问题进行针对性的审计。客户缴费信息一般在业务系统中存有记录,缴费凭证是客户缴纳相关费用的凭据,缴费核查过程是将客户缴费凭证中的账务数据与业务系统中的数据进行比对,检查数据的真实性、准确性。客户缴费凭证一般数据量较大,且类型多样如业务系统票据、银行业务回单、机打发票等,依靠人力进行排查成本较高且耗时长。
发明内容
针对现有技术中的上述不足,本发明提供的一种基于图像识别的缴费智能核查预警系统及预警方法解决了缴费核查过程中人力排查存在的问题。
为了达到上述发明目的,本发明采用的技术方案为:一种基于图像识别的缴费智能核查预警系统,包括依次连接的分离模块、传送模块、图像采集模块、图像识别对比模块和核查结果预警模块;
所述分离模块用于将缴费凭证进行一一分离,所述传送模块用于将分离后的缴费凭证依次传输至图像采集模块,所述图像采集模块用于对缴费凭证进行图像采集,并对采集图像进行采样操作和量化操作,所述图像识别对比模块用于识别采集图像的内容,并将识别的内容与业务系统中的数据进行对比,所述核查结果预警模块用于对存在异常的核查结果进行预警。
进一步地,所述核查结果预警模块包括LED报警指示灯和语音报警器。
本发明的有益效果为:提供了一种基于图像识别的缴费智能核查预警系统,能够对缴费凭证进行内容识别,并将识别的内容与业务系统中的数据进行对比,对异常数据进行预警。
一种使用基于图像识别的缴费智能核查预警系统的预警方法,包括以下步骤:
S1、通过分离模块将缴费凭证进行分离,并通过传送模块将分离后的缴费凭证依次传输至图像采集模块;
S2、通过图像采集模块对缴费凭证进行采集,得到采集图像;
S3、对采集图像进行采样操作和量化操作,得到数字图像,并将数字图像存储到帧存储器;
S4、读取帧存储器中的数字图像,并对数字图像进行归一化处理,通过图像识别对比模块识别数字图像的文本内容;
S5、将数字图像的文本内容与业务系统中的数据进行核查,并判断核查结果是否存在异常,若是,则通过核查结果预警模块中LED报警指示灯和语音报警器进行预警,否则通过LED报警指示灯和语音报警器进行核查通过提醒。
进一步地,所述步骤S3中采样操作具体为:根据采样定理,将采集图像分割成M×N个网格,将M×N个网格分别用亮度值表示,得到M×N个像素点,完成采样。
进一步地,所述步骤S3中量化操作具体为:将M×N个像素点对应的亮度连续变化区间转换为整数矩阵,且量化后的像素点包括位置和灰度,所述位置包括像素点所在的行和列。
进一步地,所述步骤S4中图像识别对比模块识别数字图像的文本内容的具体方法为:
A1、将归一化后的数字图像输入深度卷积神经网络CNN进行图像特征提取,获取数字图像的特征;
A2、根据数字图像的特征,通过循环神经网络BLSTM预测数字图像的文字序列和标签分布;
A3、根据文字序列和标签分布,通过CTC算法获取数字图像的文本内容识别结果。
进一步地,所述深度卷积神经网络CNN包括依次连接的输入层、第一卷积层、第一最大池化层、第二卷积层、第二最大池化层、第三卷积层、第四卷积层、第三最大池化层、第五卷积层、第一正则化层、第六卷积层、第二正则化层、第四最大池化层、第七卷积层、序列转换层和输出层。
进一步地,所述步骤S5中将数字图像的文本内容与业务系统中的数据进行核查的具体方法为:
B1、通过正则匹配算法提取数字图像的文本内容中的要素数据;
B2、根据要素数据,通过大数据平台对比要素数据与业务系统中对应的数据是否相同,若是,则核查结果无异常,否则核查结果异常。
进一步地,所述步骤B1中要素数据包括凭证类型、凭证号码、凭证日期、用户名称和金额。
进一步地,所述步骤B1中通过正则匹配算法提取数字图像的文本内容中的要素数据的具体步骤为:
B1.1、根据凭证图像的内容布局,构建与凭证图像的内容布局相匹配的模板;
B1.2、根据模板,通过前向搜索、后向搜索、对象分组和字符限定对要素数据进行搜索匹配,得到提取结果。
本发明的有益效果为:
(1)本发明能够对缴费凭证中的文本内容进行精准识别,然后将其与业务系统中的数据进行对比,进行核查预警。
(2)本发明把凭证文件承载的数据信息转化为计算机能够使用和存储的电子信息将给数据的传输、存储与查询带来极大的便利。
(3)本发明能够自动识别图像内容和核查结果预警,降低了人力成本,减少了缴费核查的耗时,提高了缴费核查工作的效率和准确性。
附图说明
图1为本发明提出的一种基于图像识别的缴费智能核查预警系统示意图。
图2为本发明提出的一种基于图像识别的缴费智能核查预警系统的预警方法流程图。
图3为本发明中深度卷积神经网络CNN示意图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
下面结合附图详细说明本发明的实施例。
如图1所示,一种基于图像识别的缴费智能核查预警系统,包括依次连接的分离模块、传送模块、图像采集模块、图像识别对比模块和核查结果预警模块;
所述分离模块用于将缴费凭证进行一一分离,所述传送模块用于将分离后的缴费凭证依次传输至图像采集模块,所述图像采集模块用于对缴费凭证进行图像采集,并对采集图像进行采样操作和量化操作,所述图像识别对比模块用于识别采集图像的内容,并将识别的内容与业务系统中的数据进行对比,所述核查结果预警模块用于对存在异常的核查结果进行预警。
所述核查结果预警模块包括LED报警指示灯和语音报警器。
如图2所示,一种使用基于图像识别的缴费智能核查预警系统的预警方法,包括以下步骤:
S1、通过分离模块将缴费凭证进行分离,并通过传送模块将分离后的缴费凭证依次传输至图像采集模块;
S2、通过图像采集模块对缴费凭证进行采集,得到采集图像;
S3、对采集图像进行采样操作和量化操作,得到数字图像,并将数字图像存储到帧存储器;
S4、读取帧存储器中的数字图像,并对数字图像进行归一化处理,通过图像识别对比模块识别数字图像的文本内容;
S5、将数字图像的文本内容与业务系统中的数据进行核查,并判断核查结果是否存在异常,若是,则通过核查结果预警模块中LED报警指示灯和语音报警器进行预警,否则通过LED报警指示灯和语音报警器进行核查通过提醒。
在本实施例中,核查结果存在异常时,LED报警指示灯亮起红灯,并语音报警器进行异常提醒,完成预警;核查结果无异常时,LED报警指示灯亮起绿灯,并语音报警器进行核查通过提醒。
所述步骤S3中采样操作具体为:根据采样定理,将采集图像分割成M×N个网格,将M×N个网格分别用亮度值表示,得到M×N个像素点,完成采样。
所述步骤S3中量化操作具体为:将M×N个像素点对应的亮度连续变化区间转换为整数矩阵,且量化后的像素点包括位置和灰度,所述位置包括像素点所在的行和列。
所述步骤S4中图像识别对比模块识别数字图像的文本内容的具体方法为:
A1、将归一化后的数字图像输入深度卷积神经网络CNN进行图像特征提取,获取数字图像的特征;
A2、根据数字图像的特征,通过循环神经网络BLSTM预测数字图像的文字序列和标签分布;
A3、根据文字序列和标签分布,通过CTC算法获取数字图像的文本内容识别结果。
在本实施例中,通过CTC算法获取数字图像的文本内容识别结果的具体方法为:
A3.1、根据文字序列和标签分布的预测值和真实值之间的差距,以预测值和真实值之间的差距最小为目标,构建损失函数;
A3.2、以损失函数最大为目标,通过梯度运算调整循环神经网络BLSTM的参数,直至损失函数不再增大,得到调整参数后的循环神经网络BLSTM;
A3.3、通过调整参数后的循环神经网络BLSTM对数字图像的特征进行翻译,得到文本内容识别结果。
损失函数p(l|x)为:
p(l|x)=∑π∈B(l)p(π|x)
其中,p(l|x)表示给定输入x的情况下输出为l的概率,π表示预测输出的序列路径,B(l)表示多对一的映射函数,π∈B(l)表示经过B变换后标签为l的路径π,p(π|x)表示给定数据x预测输出序列路径为π的概率。
如图3所示,所述深度卷积神经网络CNN包括依次连接的输入层、第一卷积层、第一最大池化层、第二卷积层、第二最大池化层、第三卷积层、第四卷积层、第三最大池化层、第五卷积层、第一正则化层、第六卷积层、第二正则化层、第四最大池化层、第七卷积层、序列转换层和输出层。
所述步骤S5中将数字图像的文本内容与业务系统中的数据进行核查的具体方法为:
B1、通过正则匹配算法提取数字图像的文本内容中的要素数据;
B2、根据要素数据,通过大数据平台对比要素数据与业务系统中对应的数据是否相同,若是,则核查结果无异常,否则核查结果异常。
所述步骤B1中要素数据包括凭证类型、凭证号码、凭证日期、用户名称和金额。
所述步骤B1中通过正则匹配算法提取数字图像的文本内容中的要素数据的具体步骤为:
B1.1、根据凭证图像的内容布局,构建与凭证图像的内容布局相匹配的模板;
B1.2、根据模板,通过前向搜索、后向搜索、对象分组和字符限定对要素数据进行搜索匹配,得到提取结果。
本发明的有益效果为:能够对缴费凭证中的文本内容进行精准识别,然后将其与业务系统中的数据进行对比,进行核查预警。本发明把凭证文件承载的数据信息转化为计算机能够使用和存储的电子信息将给数据的传输、存储与查询带来极大的便利。本发明能够自动识别图像内容和核查结果预警,降低了人力成本,减少了缴费核查的耗时,提高了缴费核查工作的效率和准确性。
Claims (10)
1.一种基于图像识别的缴费智能核查预警系统,其特征在于,包括依次连接的分离模块、传送模块、图像采集模块、图像识别对比模块和核查结果预警模块;
所述分离模块用于将缴费凭证进行一一分离,所述传送模块用于将分离后的缴费凭证依次传输至图像采集模块,所述图像采集模块用于对缴费凭证进行图像采集,并对采集图像进行采样操作和量化操作,所述图像识别对比模块用于识别采集图像的内容,并将识别的内容与业务系统中的数据进行对比,所述核查结果预警模块用于对存在异常的核查结果进行预警。
2.根据权利要求1所述的基于图像识别的缴费智能核查预警系统,其特征在于,所述核查结果预警模块包括LED报警指示灯和语音报警器。
3.一种使用如权利要求1所述的基于图像识别的缴费智能核查预警系统的预警方法,其特征在于,包括以下步骤:
S1、通过分离模块将缴费凭证进行分离,并通过传送模块将分离后的缴费凭证依次传输至图像采集模块;
S2、通过图像采集模块对缴费凭证进行采集,得到采集图像;
S3、对采集图像进行采样操作和量化操作,得到数字图像,并将数字图像存储到帧存储器;
S4、读取帧存储器中的数字图像,并对数字图像进行归一化处理,通过图像识别对比模块识别数字图像的文本内容;
S5、将数字图像的文本内容与业务系统中的数据进行核查,并判断核查结果是否存在异常,若是,则通过核查结果预警模块中LED报警指示灯和语音报警器进行预警,否则通过LED报警指示灯和语音报警器进行核查通过提醒。
4.根据权利要求3所述的基于图像识别的缴费智能核查预警系统的预警方法,其特征在于,所述步骤S3中采样操作具体为:根据采样定理,将采集图像分割成M×N个网格,将M×N个网格分别用亮度值表示,得到M×N个像素点,完成采样。
5.根据权利要求3所述的基于图像识别的缴费智能核查预警系统的预警方法,其特征在于,所述步骤S3中量化操作具体为:将M×N个像素点对应的亮度连续变化区间转换为整数矩阵,且量化后的像素点包括位置和灰度,所述位置包括像素点所在的行和列。
6.根据权利要求3所述的基于图像识别的缴费智能核查预警系统的预警方法,其特征在于,所述步骤S4中图像识别对比模块识别数字图像的文本内容的具体方法为:
A1、将归一化后的数字图像输入深度卷积神经网络CNN进行图像特征提取,获取数字图像的特征;
A2、根据数字图像的特征,通过循环神经网络BLSTM预测数字图像的文字序列和标签分布;
A3、根据文字序列和标签分布,通过CTC算法获取数字图像的文本内容识别结果。
7.根据权利要求6所述的基于图像识别的缴费智能核查预警系统的预警方法,其特征在于,所述深度卷积神经网络CNN包括依次连接的输入层、第一卷积层、第一最大池化层、第二卷积层、第二最大池化层、第三卷积层、第四卷积层、第三最大池化层、第五卷积层、第一正则化层、第六卷积层、第二正则化层、第四最大池化层、第七卷积层、序列转换层和输出层。
8.根据权利要求6所述的基于图像识别的缴费智能核查预警系统的预警方法,其特征在于,所述步骤S5中将数字图像的文本内容与业务系统中的数据进行核查的具体方法为:
B1、通过正则匹配算法提取数字图像的文本内容中的要素数据;
B2、根据要素数据,通过大数据平台对比要素数据与业务系统中对应的数据是否相同,若是,则核查结果无异常,否则核查结果异常。
9.根据权利要求8所述的基于图像识别的缴费智能核查预警系统的预警方法,其特征在于,所述步骤B1中要素数据包括凭证类型、凭证号码、凭证日期、用户名称和金额。
10.根据权利要求8所述的基于图像识别的缴费智能核查预警系统的预警方法,其特征在于,所述步骤B1中通过正则匹配算法提取数字图像的文本内容中的要素数据的具体步骤为:
B1.1、根据凭证图像的内容布局,构建与凭证图像的内容布局相匹配的模板;
B1.2、根据模板,通过前向搜索、后向搜索、对象分组和字符限定对要素数据进行搜索匹配,得到提取结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010316920.XA CN111488852A (zh) | 2020-04-21 | 2020-04-21 | 一种基于图像识别的缴费智能核查预警系统及预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010316920.XA CN111488852A (zh) | 2020-04-21 | 2020-04-21 | 一种基于图像识别的缴费智能核查预警系统及预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111488852A true CN111488852A (zh) | 2020-08-04 |
Family
ID=71813109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010316920.XA Pending CN111488852A (zh) | 2020-04-21 | 2020-04-21 | 一种基于图像识别的缴费智能核查预警系统及预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111488852A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112819595A (zh) * | 2021-01-13 | 2021-05-18 | 中国建设银行股份有限公司 | 凭证风险智能处置的方法和装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050235031A1 (en) * | 1999-09-10 | 2005-10-20 | Eric Schneider | Hyperlink generation and enhanced spell check method, product, apparatus, and user interface system |
CN110288755A (zh) * | 2019-05-21 | 2019-09-27 | 平安银行股份有限公司 | 基于文本识别的发票检验方法、服务器及存储介质 |
CN110647829A (zh) * | 2019-09-12 | 2020-01-03 | 全球能源互联网研究院有限公司 | 一种票据的文本识别方法及系统 |
CN110705382A (zh) * | 2019-09-12 | 2020-01-17 | 武汉儒松科技有限公司 | 基于发票类别的电子发票管理方法、装置、设备及介质 |
CN110738184A (zh) * | 2019-10-22 | 2020-01-31 | 中国银行股份有限公司 | 纸质凭证的预警信息生成方法及装置 |
CN110781952A (zh) * | 2019-10-23 | 2020-02-11 | 泰康保险集团股份有限公司 | 图像识别风险提示方法、装置、设备及存储介质 |
-
2020
- 2020-04-21 CN CN202010316920.XA patent/CN111488852A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050235031A1 (en) * | 1999-09-10 | 2005-10-20 | Eric Schneider | Hyperlink generation and enhanced spell check method, product, apparatus, and user interface system |
CN110288755A (zh) * | 2019-05-21 | 2019-09-27 | 平安银行股份有限公司 | 基于文本识别的发票检验方法、服务器及存储介质 |
CN110647829A (zh) * | 2019-09-12 | 2020-01-03 | 全球能源互联网研究院有限公司 | 一种票据的文本识别方法及系统 |
CN110705382A (zh) * | 2019-09-12 | 2020-01-17 | 武汉儒松科技有限公司 | 基于发票类别的电子发票管理方法、装置、设备及介质 |
CN110738184A (zh) * | 2019-10-22 | 2020-01-31 | 中国银行股份有限公司 | 纸质凭证的预警信息生成方法及装置 |
CN110781952A (zh) * | 2019-10-23 | 2020-02-11 | 泰康保险集团股份有限公司 | 图像识别风险提示方法、装置、设备及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112819595A (zh) * | 2021-01-13 | 2021-05-18 | 中国建设银行股份有限公司 | 凭证风险智能处置的方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113591866B (zh) | 基于db与crnn的特种作业证件检测方法及系统 | |
CN105678612A (zh) | 移动端原始凭证电子化智能填单系统及方法 | |
CN112785441B (zh) | 数据处理方法、装置、终端设备及存储介质 | |
CN111539414B (zh) | 一种ocr图像字符识别和字符校正的方法及系统 | |
CN112989990A (zh) | 医疗票据识别方法、装置、设备及存储介质 | |
CN114219507A (zh) | 中药供应商的资质审核方法、装置、电子设备及存储介质 | |
CN111488852A (zh) | 一种基于图像识别的缴费智能核查预警系统及预警方法 | |
CN116343237A (zh) | 基于深度学习和知识图谱的票据识别方法 | |
CN112949653A (zh) | 文本识别方法以及电子设备、存储装置 | |
CN111414889A (zh) | 基于文字识别的财务报表识别方法及装置 | |
CN114663899A (zh) | 金融票据的处理方法、装置、设备及介质 | |
CN112905823B (zh) | 一种基于大数据平台的高光谱物质检测识别系统及方法 | |
CN112580505B (zh) | 网点开关门状态识别方法、装置、电子设备及存储介质 | |
CN114549414A (zh) | 一种针对轨道数据的异常变化检测方法及系统 | |
CN112434658A (zh) | 一种智慧城市指纹图像多特征快速匹配算法 | |
Oublal et al. | An advanced combination of semi-supervised Normalizing Flow & Yolo (YoloNF) to detect and recognize vehicle license plates | |
CN112749731A (zh) | 一种基于深度神经网络的票据数量识别方法及系统 | |
US20200134357A1 (en) | Neural-network-based optical character recognition using specialized confidence functions | |
CN108664617A (zh) | 基于图像识别与检索的快速营销服务方法 | |
CN113362151B (zh) | 金融业务的数据处理方法、装置、电子设备及存储介质 | |
CN117009921B (zh) | 一种数据融合引擎的优化数据处理方法及系统 | |
CN116912845B (zh) | 一种基于nlp与ai的智能内容识别与分析方法及装置 | |
CN116644351B (zh) | 一种基于人工智能的数据处理方法及系统 | |
CN109635651B (zh) | 一种基于图像识别的车辆定损方法、存储介质及服务器 | |
CN115455708A (zh) | 基于向量相识度的多模型局部建模方法 |
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 |
Application publication date: 20200804 |
|
RJ01 | Rejection of invention patent application after publication |