CN110659646A 一种多任务证件图像自动处理方法、装置、设备及可读存储介质 （北京三快在线科技有限公司）

一种多任务证件图像自动处理方法、装置、本公开提供了一种多任务证件图像自动处个损失值后，计算多个损失值的和为联合损失预设条件时停止训练，得到多任务证件识别模型；将待识别目标图像输入多任务证件识别模2将所述标记样本特征集中各标记样本特征输入多个预设通过针对每个所述预设分类检测任务的所述预设损失函根据所述联合损失值调整所述预设神经网络层以及所述预设分类检测任务中的训练将包含所述训练参数的所述预设神经网络层以及所述预设2.根据权利要求1所述的方法，其特征在于，所述多个预设分类检测任务包括旋转检若输出的所述第二分类标签不符合预设标签，则5.根据权利要求1所述的方法，其特征在于，所述个体特征标签包括证件照的方向标将所述证件类型标签以及所述证件照的方向标签、所特征输入多个预设分类检测任务进行训练，得到所述各标记样本特征的多个第一分类标标记训练样本集生成模块，用于标记所述样本图像3标记样本特征集得到模块，用于将所述标记训练样本集通过预设神经网络层进行训第一分类标签得到模块，用于将所述标记样损失值计算模块，用于通过针对每个所述预训练模块，用于根据所述联合损失值调整所第二分类标签输出模块，用于将所述目标图处理器、存储器以及存储在所述存储器上并可特征在于，所述处理器执行所述程序时实现如权利要求1-7之任一项所述的多任务证件图行时，使得电子设备能够实现如权利要求1-7之任一项所述的多任务证件图像自动处理方4[0001]本公开涉及机器学习技术领域，特别是涉及一种多任务证件图像自动处理方法、效证照(如要求上传营业执照却上传食品经营许可证等)是影响页面展示效果及光学字符[0006]根据本公开的第一方面，本公开实施例公开了一种多任务证件图像自动处理方[0010]将所述标记样本特征集中各标记样本特征输入多个预设分类[0013]根据所述联合损失值调整所述预设神经网络层以及所述预设分类检测任务中的5[0017]根据本公开的第二方面，本公开实施例公开了一种多任务证件图像自动处理装[0022]损失值计算模块，用于通过针对每个所述预设分类检测任务的所述预设损失函6[0033]图1A是本公开的多任务证件图像自动处理方法实施例中图像特征对应实际证件[0034]图1B是本公开的多任务证件图像自动处理方法实施例中图像处理先后对比流程[0035]图1C是本公开的多任务证件图像自动处理方法实施例多任务证件识别模型示意[0040]参照图1，示出了本公开的一种多任务证件图像自动处理方法实施例的步骤流程[0043]其中，证件识别任务是属于光学字符识别(OCR)技术，该技术指的是通过视觉技7[0053]步骤104，将所述标记样本特征集中各标记样本特征输入多个预设分类检测任务[0055]所以将标记样本特征集中各标记样本特征输入多个预设分类检测任务进行训练8[0071]步骤107，根据所述联合损失值调整所述预设神经网络层以及所述预设分类检测[0073]步骤108，将包含所述训练参数的所述预设神经网络层以及所述预设分类检测任联合损失值调整所述预设神经网络层以及所述预设分类检测任务中的训练参数并继续训练，直至所述联合损失值低于预设阈值或所述预设损失函数的两次迭代差值低于预设阈9[0085]证件样本图像集获取模块201，用于分别获取针对不同识别任务的证件样本图像[0087]标记样本特征集得到模块203，用于将所述标记训练样本集通过预设神经网络层[0092]第一分类标签得到模块204，用于将所述标记样本特征集中各标记样本特征输入[0097]损失值计算模块205，用于通过针对每个所述预设分类检测任务的所述预设损失[0099]训练模块207，用于根据所述联合损失值调整所述预设神经网络层以及所述预设[0100]多任务证件识别模型确定模块208，用于将包含所述训练参数的所述预设神经网块，用于将所述标记样本特征集中各标记样本特征输入多个预设分类检测任务进行训练，行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中[0116]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方计算机或其他可编程终端设备上执行