CN111814876A - 一种票据识别方法、装置、设备及存储介质 - Google Patents
一种票据识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111814876A CN111814876A CN202010651862.6A CN202010651862A CN111814876A CN 111814876 A CN111814876 A CN 111814876A CN 202010651862 A CN202010651862 A CN 202010651862A CN 111814876 A CN111814876 A CN 111814876A
- Authority
- CN
- China
- Prior art keywords
- picture
- bill
- identification
- recognition
- target sub
- 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
Images
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06V30/24—Character recognition characterised by the processing or recognition method
- G06V30/242—Division of the character sequences into groups prior to recognition; Selection of dictionaries
- G06V30/244—Division of the character sequences into groups prior to recognition; Selection of dictionaries using graphical properties, e.g. alphabet type or font
- G06V30/2455—Discrimination between machine-print, hand-print and cursive writing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Evolutionary Biology (AREA)
- Multimedia (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种票据识别方法、装置、设备及存储介质,该方法包括:获取待识别图片,对所述待识别图片进行切割,得到多个分别包含一张票据的子图片,依次确定每个所述子图片为目的子图片;在每次确定出所述目的子图片后,分别利用预先创建的两个识别模型同时识别所述目的子图片中包含的票据,得到相应的两个识别结果,从中选取出正确的识别结果为所述目的子图片的票据识别结果;其中,两个识别模型分别用于实现印刷体的票据的识别及手写体的票据的识别;将每个所述目的子图片的票据识别结果返回给相应的模块。相对于现有技术中挨着调用多个识别模型的接口得到成功的识别结果,本申请大大提升了票据识别的识别效率,进而提升客户体验及工作效率。
Description
技术领域
本发明涉及计算机技术领域,更具体地说,涉及一种票据识别方法、装置、设备及存储介质。
背景技术
目前票据识别代替人工录入已经变成非常流行的技术,该技术可以大大的降低人力成本,节省客户和工作人员的时间。在票据识别技术中主要分为两种类型的识别模型,分别为印刷体识别模型和手写体识别模型,其中,印刷体识别模型用于识别印刷体的票据,手写体识别模型用于识别手写体的票据;不同的识别模型的接口不一样,在未知票据是印刷体还是手写体的票据需要识别时,需要挨着调用多个识别模型的接口,直到有成功的识别结果为止;这种方式虽然能够实现票据识别,但是非常影响识别的效率,进而会大大的影响客户的体验和工作效率。
发明内容
本发明的目的是提供一种票据识别方法、装置、设备及存储介质,能够大大提升票据识别的识别效率,进而提升客户体验及工作效率。
为了实现上述目的,本发明提供如下技术方案:
一种票据识别方法,包括:
获取待识别图片,对所述待识别图片进行切割,得到多个分别包含一张票据的子图片,并依次确定每个所述子图片为目的子图片;
在每次确定出所述目的子图片后,分别利用预先创建的两个识别模型同时识别所述目的子图片中包含的票据,得到相应的两个识别结果,从中选取出正确的识别结果为所述目的子图片的票据识别结果;其中,两个识别模型分别用于实现印刷体的票据的识别及手写体的票据的识别;
将每个所述目的子图片的票据识别结果返回给相应的模块。
优选的,预先创建两个所述识别模型,包括:
获取第一数据集及第二数据集;其中,所述第一数据集包括印刷体的票据及相应的识别结果,所述第二数据集包括手写体的票据及相应的识别结果;
分别利用所述第一数据集及所述第二数据集训练神经网络,并确定训练完成的两个神经网络为相应的两个识别模型。
优选的,将每个所述目的子图片的票据识别结果返回给相应的模块,包括:
在预设的表格中添加每个所述目的子图片的图片标识及每个所述目的子图片的票据识别结果,并将所述表格返回给相应的模块。
优选的,得到相应的两个识别结果之后,还包括:
将得到的相应的两个识别结果缓存到共享缓存中,以供获取。
一种票据识别装置,包括:
切割模块,用于:获取待识别图片,对所述待识别图片进行切割,得到多个分别包含一张票据的子图片,并依次确定每个所述子图片为目的子图片;
识别模块,用于:在每次确定出所述目的子图片后,分别利用预先创建的两个识别模型同时识别所述目的子图片中包含的票据,得到相应的两个识别结果,从中选取出正确的识别结果为所述目的子图片的票据识别结果;其中,两个识别模型分别用于实现印刷体的票据的识别及手写体的票据的识别;
返回模块,用于:将每个所述目的子图片的票据识别结果返回给相应的模块。
优选的,还包括:
创建模块,用于:获取第一数据集及第二数据集;其中,所述第一数据集包括印刷体的票据及相应的识别结果,所述第二数据集包括手写体的票据及相应的识别结果;以及分别利用所述第一数据集及所述第二数据集训练神经网络,并确定训练完成的两个神经网络为相应的两个识别模型。
优选的,所述返回模块包括:
返回单元,用于:在预设的表格中添加每个所述目的子图片的图片标识及每个所述目的子图片的票据识别结果,并将所述表格返回给相应的模块。
优选的,还包括:
缓存模块,用于:得到相应的两个识别结果之后,将得到的相应的两个识别结果缓存到共享缓存中,以供获取。
一种票据识别设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如上任一项所述票据识别方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上任一项所述票据识别方法的步骤。
本发明提供了一种票据识别方法、装置、设备及存储介质,该方法包括:获取待识别图片,对所述待识别图片进行切割,得到多个分别包含一张票据的子图片,并依次确定每个所述子图片为目的子图片;在每次确定出所述目的子图片后,分别利用预先创建的两个识别模型同时识别所述目的子图片中包含的票据,得到相应的两个识别结果,从中选取出正确的识别结果为所述目的子图片的票据识别结果;其中,两个识别模型分别用于实现印刷体的票据的识别及手写体的票据的识别;将每个所述目的子图片的票据识别结果返回给相应的模块。本申请公开的技术方案中,在对待识别图片切割得到分别包含一张票据的子图片后,将每张子图片同时输入至印刷体的识别模型及手写体的识别模型,并从两种识别模型得到的识别结果中选取出正确的识别结果后返回给相应的模块;从而在实现票据识别时同时利用两种识别模型实现同一子图片的票据识别,进而从中确定出正确的识别结果,相对于现有技术中挨着调用多个识别模型的接口得到成功的识别结果,大大提升了票据识别的识别效率,进而提升客户体验及工作效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种票据识别方法的流程图;
图2为本发明实施例提供的一种票据识别装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,其示出了本发明实施例提供的一种票据识别方法的流程图,可以包括:
S11:获取待识别图片,对待识别图片进行切割,得到多个分别包含一张票据的子图片,并依次确定每个子图片为目的子图片。
本发明实施例提供的一种票据识别方法的执行主体可以为对应的票据识别装置。其中,本申请中所说的票据可以是金融行业的票据,如身份证、银行卡、转账支票等,也可以是其他行业的票据,均在本发明的保护范围之内。
本申请可以先发起包括票据的多图识别请求,该多图识别请求中包含有一张待识别图片,待识别图片中包含了两张或者两张以上的票据,且不明确待识别图片里的票据属于手写体还是印刷体,或者是又有手写体又有印刷体。当多图识别请求进入到票据识别装置的路由层及逻辑处理层,可以调用指定的接口,将待识别图片切割为多个包含一张票据的子图片,也即对待识别图片进行切割后,一个票据仅包含于一个子图片中。另外,用于实现待识别图片切割的指定的接口可以为预先设定的图片切割模块的接口,将待识别图片输入至图片切割模块,图片切割模块则可以输出待识别图片对应的各子图片,而图片切割模块可以为预先利用相应的训练样本训练得到的,该训练样本可以包括多个包含多张票据的图片及该图片对应的各子图片,当然还可以为其他能够实现图片切割的方案,均在本发明的保护范围之内。
S12:在每次确定出目的子图片后,分别利用预先创建的两个识别模型同时识别目的子图片中包含的票据,得到相应的两个识别结果,从中选取出正确的识别结果为目的子图片的票据识别结果;其中,两个识别模型分别用于实现印刷体的票据的识别及手写体的票据的识别。
对于每个包含一张票据的子图片,可以同时利用两个识别模型实现票据识别,得到与两个识别模型一一对应的两个识别结果,然后从两个识别结果中选取出正确的识别结果作为该子图片的票据识别结果,实现对该子图片的票据识别。具体来说,由于不明确切割后的每一张子图片属于手写体还是印刷体,因此不确定应调用手写体的识别模型实现票据识别还是调用印刷体的识别模型实现票据识别,区别于现有技术中挨着调用多个识别模型的接口,直到有成功的识别结果为止,本申请用两个识别模型同时对子图片进行识别,一个识别模型走手写体的票据的分类和识别,一个识别模型走印刷体的票据的分类和识别,如果票据为手写体的,那么利用印刷体的识别模型实现票据识别时只会输出相应的错误码,如果票据为印刷体的,那么利用手写体的识别模型实现票据识别时只会输出相应的错误码,因此,本申请会选取两个识别结果中不是错误码的一种识别结果为票据识别结果。另外,利用识别模型识别子图片中包含的票据,可以是利用相应的线程调用识别模型实现子图片的票据识别。
S13:将每个目的子图片的票据识别结果返回给相应的模块。
在实现对待识别图片分割得到的全部子图片的票据识别后,可以将每个子图片的票据识别结果均返回给相应的模块,也即发起多图识别请求的模块,以使其获取到多图识别结果。
本申请公开的技术方案中,在对待识别图片切割得到分别包含一张票据的子图片后,将每张子图片同时输入至印刷体的识别模型及手写体的识别模型,并从两种识别模型得到的识别结果中选取出正确的识别结果后返回给相应的模块;从而在实现票据识别时同时利用两种识别模型实现同一子图片的票据识别,进而从中确定出正确的识别结果,相对于现有技术中挨着调用多个识别模型的接口得到成功的识别结果,大大提升了票据识别的识别效率,进而提升客户体验及工作效率。
本发明实施例提供的一种票据识别方法,预先创建两个识别模型,可以包括:
获取第一数据集及第二数据集;其中,第一数据集包括印刷体的票据及相应的识别结果,第二数据集包括手写体的票据及相应的识别结果;
分别利用第一数据集及第二数据集训练神经网络,并确定训练完成的两个神经网络为相应的两个识别模型。
本申请中所使用的识别模型可以为利用相应的数据集训练神经网络得到的,也即预先获取到包含印刷体的票据及手写体的票据作为训练样本,获取每个训练样本的识别结果作为该训练样本的训练标签,利用手写体的训练样本及训练标签训练神经网络得到相应的手写体的识别模型,利用印刷体的训练样本及训练标签训练神经网络得到相应的印刷体的识别模型,进而直接将子图片输入至识别模型中,识别模型即可输出对子图片进行票据识别得到的识别结果,以利用识别模型实现相应类型的票据识别,从而仅需实现一次识别模型的识别,即可直接调用识别模型实现票据识别,大大提高了票据识别效率;且实验证明,通过这种方式实现票据识别也具有较高的识别准确性。
本发明实施例提供的一种票据识别方法,将每个目的子图片的票据识别结果返回给相应的模块,可以包括:
在预设的表格中添加每个目的子图片的图片标识及每个目的子图片的票据识别结果,并将表格返回给相应的模块。
为了方便对票据识别结果的获知,可以设置与每个子图片对应的图片标识,如为子图片设置的排列序号、图片名称等;然后在预先设置的表格中添加每个子图片的图片标识及每个子图片的票据识别结果,进而直接将表格返回给相应的模块,从而使得该模块接收到该表格后,可以直接从该表格中获知子图片的票据识别结果,便于对票据识别结果的快速获取。
本发明实施例提供的一种票据识别方法,得到相应的两个识别结果之后,还可以包括:
将得到的相应的两个识别结果缓存到共享缓存中,以供获取。
在得到待识别图片中任一子图片的两个识别结果后,可以将识别结果都存入一个共享的redis缓存(共享缓存)当中,当待识别图片切割后的所有子图片都识别完成后,路由层将他们的识别结果从redis缓存中拿出来对比整合,取正确的识别结果返回给相应的模块或业务部门,达到快速准确的识别效果。
在一种具体应用场景中,本申请实施例公开的一种票据识别方法可以包括以下步骤:
步骤A发起包括不同类型的票据识别的多图识别请求
一个请求中有一张图片,图片里包含了两张或多张票据,而且不明确图片里面的票据属于手写体还是印刷体,或者又有手写体又有印刷体。
步骤B在路由层调用指定的切割图片接口对图片进行切割
当请求进入到路由层及逻辑处理层,对于这种一张图片包含多个票据的图片,会先调用指定的切割接口,将一张包含多张票据的图片切割为多个包含一张票据的子图片。
步骤C拿着切割后的每一张子图片分别请求手写体和印刷体的票据分类和识别,直到所有切割后的图片都完成两种识别并将识别结果存入redis后,路由层将识别结果拿出来整合对比得到正确的识别结果并返回到业务部门
每一张图片识别都用两个模型同时识别,一个模型走手写体票据的分类和识别,一个模型走印刷体票据的分类和识别,他们的识别结果都存入到一个共享的redis缓存当中,当切割后的所有图片两个模型都识别完后,路由层将他们的结果从redis中拿出来对比整合,取正确的结果返回给业务部门,达到快速准确的识别效果。
本申请公开的技术方案中,发起包括不同类型票据识别的多图识别请求,在路由层调用指定的切割图片接口对图片进行切割,拿着切割后的每一张子图片分别请求手写体和印刷体的票据分类和识别,两边的识别结果都存入redis缓存,直到所有切割后的子图片都完成调用两种识别并将结果存入redis后,路由层将结果拿出来整合对比得到正确的结果并返回到业务部门,从而提升手写体和印刷体票据一起识别的效率,保证票据识别的正确性和稳定性。其中,从表1可以看出本申请相对于现有技术识别效率大大提升,从表2可以看出本申请相对于现有技术识别准确性大大提升。另外,本申请可以应用于微银行进行身份证、银行卡和营业执照等票据识别,集中作业部门进行业务委托书和转账支票等票据识别等多个应用场景。
表1
表2
本发明实施例还提供了一种票据识别装置,如图2所示,可以包括:
切割模块11,用于:获取待识别图片,对待识别图片进行切割,得到多个分别包含一张票据的子图片,并依次确定每个子图片为目的子图片;
识别模块12,用于:在每次确定出目的子图片后,分别利用预先创建的两个识别模型同时识别目的子图片中包含的票据,得到相应的两个识别结果,从中选取出正确的识别结果为目的子图片的票据识别结果;其中,两个识别模型分别用于实现印刷体的票据的识别及手写体的票据的识别;
返回模块13,用于:将每个目的子图片的票据识别结果返回给相应的模块。
本发明实施例提供的一种票据识别装置,还可以包括:
创建模块,用于:获取第一数据集及第二数据集;其中,第一数据集包括印刷体的票据及相应的识别结果,第二数据集包括手写体的票据及相应的识别结果;以及分别利用第一数据集及第二数据集训练神经网络,并确定训练完成的两个神经网络为相应的两个识别模型。
本发明实施例提供的一种票据识别装置,返回模块可以包括:
返回单元,用于:在预设的表格中添加每个目的子图片的图片标识及每个目的子图片的票据识别结果,并将表格返回给相应的模块。
本发明实施例提供的一种票据识别装置,还可以包括:
缓存模块,用于:得到相应的两个识别结果之后,将得到的相应的两个识别结果缓存到共享缓存中,以供获取。
本发明实施例还提供了一种票据识别设备,可以包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序时实现如上任一项票据识别方法的步骤。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时可以实现如上任一项票据识别方法的步骤。
需要说明的是,本发明实施例提供的一种票据识别装置、设备及存储介质中相关部分的说明请参见本发明实施例提供的一种票据识别方法中对应部分的详细说明,在此不再赘述。另外本发明实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明,以免过多赘述。
对所公开的实施例的上述说明,使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种票据识别方法,其特征在于,包括:
获取待识别图片,对所述待识别图片进行切割,得到多个分别包含一张票据的子图片,并依次确定每个所述子图片为目的子图片;
在每次确定出所述目的子图片后,分别利用预先创建的两个识别模型同时识别所述目的子图片中包含的票据,得到相应的两个识别结果,从中选取出正确的识别结果为所述目的子图片的票据识别结果;其中,两个识别模型分别用于实现印刷体的票据的识别及手写体的票据的识别;
将每个所述目的子图片的票据识别结果返回给相应的模块。
2.根据权利要求1所述的方法,其特征在于,预先创建两个所述识别模型,包括:
获取第一数据集及第二数据集;其中,所述第一数据集包括印刷体的票据及相应的识别结果,所述第二数据集包括手写体的票据及相应的识别结果;
分别利用所述第一数据集及所述第二数据集训练神经网络,并确定训练完成的两个神经网络为相应的两个识别模型。
3.根据权利要求2所述的方法,其特征在于,将每个所述目的子图片的票据识别结果返回给相应的模块,包括:
在预设的表格中添加每个所述目的子图片的图片标识及每个所述目的子图片的票据识别结果,并将所述表格返回给相应的模块。
4.根据权利要求3所述的方法,其特征在于,得到相应的两个识别结果之后,还包括:
将得到的相应的两个识别结果缓存到共享缓存中,以供获取。
5.一种票据识别装置,其特征在于,包括:
切割模块,用于:获取待识别图片,对所述待识别图片进行切割,得到多个分别包含一张票据的子图片,并依次确定每个所述子图片为目的子图片;
识别模块,用于:在每次确定出所述目的子图片后,分别利用预先创建的两个识别模型同时识别所述目的子图片中包含的票据,得到相应的两个识别结果,从中选取出正确的识别结果为所述目的子图片的票据识别结果;其中,两个识别模型分别用于实现印刷体的票据的识别及手写体的票据的识别;
返回模块,用于:将每个所述目的子图片的票据识别结果返回给相应的模块。
6.根据权利要求5所述的装置,其特征在于,还包括:
创建模块,用于:获取第一数据集及第二数据集;其中,所述第一数据集包括印刷体的票据及相应的识别结果,所述第二数据集包括手写体的票据及相应的识别结果;以及分别利用所述第一数据集及所述第二数据集训练神经网络,并确定训练完成的两个神经网络为相应的两个识别模型。
7.根据权利要求6所述的装置,其特征在于,所述返回模块包括:
返回单元,用于:在预设的表格中添加每个所述目的子图片的图片标识及每个所述目的子图片的票据识别结果,并将所述表格返回给相应的模块。
8.根据权利要求7所述的装置,其特征在于,还包括:
缓存模块,用于:得到相应的两个识别结果之后,将得到的相应的两个识别结果缓存到共享缓存中,以供获取。
9.一种票据识别设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至4任一项所述票据识别方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至4任一项所述票据识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010651862.6A CN111814876A (zh) | 2020-07-08 | 2020-07-08 | 一种票据识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010651862.6A CN111814876A (zh) | 2020-07-08 | 2020-07-08 | 一种票据识别方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111814876A true CN111814876A (zh) | 2020-10-23 |
Family
ID=72842954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010651862.6A Pending CN111814876A (zh) | 2020-07-08 | 2020-07-08 | 一种票据识别方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111814876A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140180689A1 (en) * | 2012-12-24 | 2014-06-26 | Electronics And Telecommunications Research Institute | Apparatus for speech recognition using multiple acoustic model and method thereof |
US20160366158A1 (en) * | 2015-06-15 | 2016-12-15 | Iyuntian Co., Ltd. | Method and Apparatus for File Identification |
CN109241904A (zh) * | 2018-08-31 | 2019-01-18 | 平安科技(深圳)有限公司 | 文字识别模型训练、文字识别方法、装置、设备及介质 |
CN109255340A (zh) * | 2018-10-29 | 2019-01-22 | 东北大学 | 一种融合多种改进vgg网络的人脸识别方法 |
CN109993112A (zh) * | 2019-03-29 | 2019-07-09 | 杭州睿琪软件有限公司 | 一种图片中表格的识别方法及装置 |
CN110427932A (zh) * | 2019-08-02 | 2019-11-08 | 杭州睿琪软件有限公司 | 一种识别图像中多个票据区域的方法及装置 |
CN110866495A (zh) * | 2019-11-14 | 2020-03-06 | 杭州睿琪软件有限公司 | 票据图像识别方法及装置和设备、训练方法和存储介质 |
TWM594201U (zh) * | 2019-11-27 | 2020-04-21 | 中國信託商業銀行股份有限公司 | 文件辨識系統 |
CN111160188A (zh) * | 2019-12-20 | 2020-05-15 | 中国建设银行股份有限公司 | 金融票据识别方法、装置、设备及存储介质 |
-
2020
- 2020-07-08 CN CN202010651862.6A patent/CN111814876A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140180689A1 (en) * | 2012-12-24 | 2014-06-26 | Electronics And Telecommunications Research Institute | Apparatus for speech recognition using multiple acoustic model and method thereof |
US20160366158A1 (en) * | 2015-06-15 | 2016-12-15 | Iyuntian Co., Ltd. | Method and Apparatus for File Identification |
CN109241904A (zh) * | 2018-08-31 | 2019-01-18 | 平安科技(深圳)有限公司 | 文字识别模型训练、文字识别方法、装置、设备及介质 |
CN109255340A (zh) * | 2018-10-29 | 2019-01-22 | 东北大学 | 一种融合多种改进vgg网络的人脸识别方法 |
CN109993112A (zh) * | 2019-03-29 | 2019-07-09 | 杭州睿琪软件有限公司 | 一种图片中表格的识别方法及装置 |
CN110427932A (zh) * | 2019-08-02 | 2019-11-08 | 杭州睿琪软件有限公司 | 一种识别图像中多个票据区域的方法及装置 |
CN110866495A (zh) * | 2019-11-14 | 2020-03-06 | 杭州睿琪软件有限公司 | 票据图像识别方法及装置和设备、训练方法和存储介质 |
TWM594201U (zh) * | 2019-11-27 | 2020-04-21 | 中國信託商業銀行股份有限公司 | 文件辨識系統 |
CN111160188A (zh) * | 2019-12-20 | 2020-05-15 | 中国建设银行股份有限公司 | 金融票据识别方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
王雅欣 等: ""工商银行自动化机器学习技术探索与实践"", 《人工智能》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10095947B2 (en) | Methods for mobile image capture of vehicle identification numbers in a non-document | |
CN106384273B (zh) | 恶意刷单检测系统及方法 | |
US6825940B1 (en) | Method of processing documents in an image-based document processing system and an apparatus therefor | |
CN102945377B (zh) | 获取纸质笔记本中内容的方法及装置 | |
EP4092983A1 (en) | Network service system, computer storage medium for communication and network service method | |
CN107766430B (zh) | 一种文件搜索方法及系统 | |
CN111931777A (zh) | 一种基于rpa的发票信息处理方法、装置及存储介质 | |
CN109858373A (zh) | 一种基于深度学习的发票识别验真方法及系统 | |
CN111858977B (zh) | 票据信息采集方法、装置、计算机设备和存储介质 | |
CN112232336A (zh) | 一种证件识别方法、装置、设备及存储介质 | |
CN113642352A (zh) | 快递面单的文本信息的获取方法、装置和终端设备 | |
EP1898355A1 (en) | Apparatus and method for identifying marker | |
CN109214362A (zh) | 单据处理方法及相关设备 | |
WO2024012209A1 (zh) | 一种基于图像识别的业务处理方法及装置、存储介质 | |
WO2017069741A1 (en) | Digitized document classification | |
CN111814876A (zh) | 一种票据识别方法、装置、设备及存储介质 | |
CN113591657B (zh) | Ocr版面识别的方法、装置、电子设备及介质 | |
CN111429645B (zh) | 用于票据的验真、验重系统 | |
CN115527241A (zh) | 指纹模板更新方法、装置、嵌入式设备及存储介质 | |
JP3648050B2 (ja) | 帳票画像分類方法、帳票画像登録方法および帳票画像分類装置 | |
CN112700557A (zh) | 自助取票回票方法 | |
CN111324315A (zh) | 业务票据的打印方法及装置 | |
CN108416896A (zh) | 鉴别对象的方法和系统 | |
JP2003316802A (ja) | イメージ管理システム、イメージ管理方法及びイメージ管理プログラム | |
US20220253932A1 (en) | Method and system for obtaining information about an object based on a photograph thereof |
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 |