基于权重自定义的目标检测分式识别方法.pdf

《基于权重自定义的目标检测分式识别方法.pdf》由会员分享，可在线阅读，更多相关《基于权重自定义的目标检测分式识别方法.pdf（8页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010144718.3 (22)申请日 2020.03.04 (71)申请人 南京红松信息技术有限公司 地址 210022 江苏省南京市高淳经济开发 区恒盛路5号2幢301室 (72)发明人 田博帆 (74)专利代理机构 南京正联知识产权代理有限 公司 32243 代理人 顾伯兴 (51)Int.Cl. G06K 9/00(2006.01) G06K 9/32(2006.01) G06K 9/34(2006.01) G06K 9/62(2006.01) (54)发明名称 基。

2、于权重自定义的目标检测分式识别方法 (57)摘要 本发明涉及一种基于权重自定义的目标检 测分式识别方法， 包括以下步骤： (1)字符标注： 首先对分数中所包含的每个字符进行标签化处 理； (2)自定权重： 通过自定义进行权重分配和分 式识别； (3)模型训练： 分N轮迭代训练， 获得优化 的训练模型， 用于单个分式字符的检测； (4)字符 检测： 字符检测包括字符定位和字符的预测， 通 过步骤(3)中得到的用于字符的检测的训练模型 得到分数中每个字符的检测结果； (5)识别重构： 根据步骤(4)获得的的检测结果， 将字符的坐标 做排序并重构输出分数的分式表达式； (6)解析 判断： 通过步骤(。

3、5)输出的分式表达式结果， 对其 进行解析并给出判断。 该方法解决字符检测的准 确性问题， 以提高分式的识别率。 权利要求书2页 说明书4页 附图1页 CN 111325177 A 2020.06.23 CN 111325177 A 1.一种基于权重自定义的目标检测分式识别方法， 其特征在于， 具体包括以下步骤： (1)字符标注： 首先对分数中所包含的每个字符进行标签化处理； (2)自定权重： 通过自定义进行权重分配和分式识别； (3)模型训练： 分N轮迭代训练， 获得优化的训练模型， 用于单个分式字符的检测； (4)字符检测： 字符检测包括字符定位和字符的预测， 通过所述步骤(3)中得到的用。

4、于 字符的检测的训练模型得到分数中每个字符的检测结果； (5)识别重构： 根据步骤(4)获得的所述的检测结果， 将所述字符的坐标做排序并重构 输出所述分数的分式表达式； (6)解析判断： 通过所述步骤(5)输出的所述分式表达式结果， 对其进行解析并给出判 断。 2.根据权利要求1所述的基于权重自定义的目标检测分式识别方法， 其特征在于， 所述 步骤(2)中采用目标检测算法YoLo V3的损失函数用于检测分数线， 计算公式为： 公式包括三部分损失计算， 分别为： 坐标损失、 置信度损失和类别损失； 其中， YoLo V3将待检测的字符图像网格化成K*K个网格， 每个网格有M个候选框， (xi, 。

5、yi)表示目标的中心坐标，表示目标的候选框中心坐标， (wi,hi)表示目标的真实宽 高，表示目标的候选框的宽高，表示第i个网格的第j个候选框是否负责检测目 标， 如果负责则否则表示第i个网格的第j个候选框不负责该目标； 表示参数置信度， coord表示有候选目标的权重系数， noobj表示没有目标的权重系数； 为了 注重分数线的检测， 调整加大 coord的权重系数， 设置为： 0.8。 3.根据权利要求1所述的基于权重自定义的目标检测分式识别方法， 其特征在于， 所述 步骤(1)中的所述字符包括数字、 负号、 分数线， 其中所述数字包括09。 4.根据权利要求2所述的基于权重自定义的目标检。

6、测分式识别方法， 其特征在于， 所述 步骤(3)中训练模型时， 分N轮迭代训练， 每轮迭代根据显卡实际显存设置一次训练的样本 数batch size， 当损失值loss持续达到稳定状态时， 及时断开模型训练， 从而获得字符检测 的训练模型。 权利要求书 1/2 页 2 CN 111325177 A 2 5.根据权利要求4所述的基于权重自定义的目标检测分式识别方法， 其特征在于， 所述 步骤(4)中的检测结果包含： 所述字符的坐标值和所述字符的预测值。 6.根据权利要求4所述的基于权重自定义的目标检测分式识别方法， 其特征在于， 所述 步骤(6)中对输出的所述分式表达式结果解析并给出判断包括判断。

7、是否为带分数或真假分 数； 或解析成latex或自定义格式的特定形式。 7.根据权利要求4所述的基于权重自定义的目标检测分式识别方法， 其特征在于， 所述 步骤(2)中的所述坐标损失用于所述分数线能否正确框选， 且判断分数线框选是否有偏差； 所述类别损失用于判断所述分数线是否被计算正确； 所述置信度损失用于表示所述分数线 计算值为其真实值的可信程度。 权利要求书 2/2 页 3 CN 111325177 A 3 基于权重自定义的目标检测分式识别方法 技术领域 0001 本发明涉及图像处理技术领域， 尤其涉及一种基于权重自定义的目标检测分式识 别方法。 背景技术 0002 21世纪， 人工智能技。

8、术得到了迅猛发展， 未来将进入人工智能技术的鼎盛时期， 而 在技术不断发展的过程中， 新的技术将逐渐取代传统的技术， 且相比传统的技术方法也更 加具优势。 0003 在文本识别领域， 众多自动化批阅产品相继诞生， 并开始支持各类题型的自动化 批阅， 其中每种题型都会涉及到相关的不同种技术。 因此， 整个自动批阅产品代表的是多种 复杂技术的集成体。 在数学学科的批阅中， 会涉及包含分式题型的识别和判断。 而传统的分 式识别方法， 大多采用的是分割法， 分别用来获取分子和分母作为导向， 将问题的难点归结 于分割的准确性。 但随着深度学习人工智能技术的引进， 分式识别这类问题逐渐变的简易 化， 且可。

9、以通过多种技术方式进行解决， 如： 端到端的识别， 字符的检测等方法。 0004 在此， 采用字符检测的方法思想用于分式字符的检测， 达到分式识别的目的。 因 此， 并基于该思想， 本发明提出了一种基于权重自定义的目标检测分式识别方法， 解决了字 符检测的准确性问题， 以提高分式的识别率。 发明内容 0005 本发明要解决的技术问题是， 提供一种基于权重自定义的目标检测分式识别方 法， 解决了字符检测的准确性问题， 以提高分式的识别率。 0006 为了解决上述技术问题， 本发明采用的技术方案是： 该基于权重自定义的目标检 测分式识别方法， 具体包括以下步骤： 0007 (1)字符标注： 首先对。

10、分数中所包含的每个字符进行标签化处理； 0008 (2)自定权重： 通过自定义进行权重分配和分式识别； 0009 (3)模型训练： 分N轮迭代训练， 获得优化的训练模型， 用于单个分式字符的检测； 0010 (4)字符检测： 字符检测包括字符定位和字符的预测， 通过所述步骤(3)中得到的 用于字符的检测的训练模型得到分数中每个字符的检测结果； 0011 (5)识别重构： 根据步骤(4)获得的所述的检测结果， 将所述字符的坐标做排序并 重构输出所述分数的分式表达式； 0012 (6)解析判断： 通过所述步骤(5)输出的所述分式表达式结果， 对其进行解析并给 出判断。 0013 作为本发明的优选技。

11、术方案， 所述步骤(2)中采用目标检测算法YoLo V3的损失函 数用于检测分数线， 计算公式为： 说明书 1/4 页 4 CN 111325177 A 4 0014 0015 公式包括三部分损失计算， 分别为： 坐标损失、 置信度损失和类别损失； 0016 其中， YoLo V3将待检测的字符图像网格化成K*K个网格， 每个网格有M个候选框， (xi,yi)表示目标的中心坐标，表示目标的候选框中心坐标， (wi,hi)表示目标的真实 宽高，表示目标的候选框的宽高，表示第i个网格的第j个候选框是否负责检测 目标， 如果负责则否则表示第i个网格的第j个候选框不负责该目标； 表示参数置信度， co。

12、ord表示有候选目标的权重系数， noobj表示没有目标的权重系数； 为 了注重分数线的检测， 调整加大 coord的权重系数， 设置为： 0.8。 0017 作为本发明的优选技术方案， 所述步骤(1)中的所述字符包括数字、 负号、 分数线， 其中所述数字包括09。 0018 作为本发明的优选技术方案， 所述步骤(3)中训练模型时， 分N轮迭代训练， 每轮迭 代根据显卡实际显存设置一次训练的样本数batch size， 当损失值loss持续达到稳定状态 时， 及时断开模型训练， 从而获得字符检测的训练模型。 0019 作为本发明的优选技术方案， 所述步骤(4)中的检测结果包含： 所述字符的坐标。

13、值 和所述字符的预测值。 0020 作为本发明的优选技术方案， 所述步骤(6)中对输出的所述分式表达式结果解析 并给出判断包括判断是否为带分数或真假分数； 或解析成latex或自定义格式的特定形式。 0021 作为本发明的优选技术方案， 所述步骤(2)中的所述坐标损失用于所述分数线能 否正确框选， 且判断分数线框选是否有偏差； 所述类别损失用于判断所述分数线是否被计 算正确； 所述置信度损失用于表示所述分数线计算值为其真实值的可信程度。 0022 与现有技术相比， 本发明具有的有益效果是： 该基于权重自定义的目标检测分式 识别方法主要是对目标检测网络中损失函数的权重做自定义设定， 保证 “难检。

14、字符大权重， 易检字符小权重” 的权重分配原则， 达到分式字符精准检测的目的； 解决字符检测的准确性 问题， 以提高分式的识别率。 说明书 2/4 页 5 CN 111325177 A 5 附图说明 0023 下面结合附图进一步描述本发明的技术方案： 0024 图1是本发明的基于权重自定义的目标检测分式识别方法的流程图； 0025 图2是本发明的基于权重自定义的目标检测分式识别方法中的分式的标注。 具体实施方式 0026 为了加深对本发明的理解， 下面将结合附图和实施例对本发明做进一步详细描 述， 该实施例仅用于解释本发明， 并不对本发明的保护范围构成限定。 0027 实施例： 如图1所示， 。

15、该基于权重自定义的目标检测分式识别方法， 具体包括以下 步骤： 0028 如图2所示， (1)字符标注： 首先对分数中所包含的每个字符进行标签化处理； 0029 所述步骤(1)中的所述字符包括数字、 负号、 分数线， 其中所述数字包括09； 一共 12类字符； 0030 (2)自定权重： 通过自定义进行权重分配和分式识别； 自定义权重是指通过人工方 式做权重的自定义分配， 分式识别中主要用于分数线的损失权重定义， 由于分数线作为辨 别分式的唯一标志， 起着决定性的作用。 在实际检测过程中， 分数线相比其他字符具有难以 检测的特性， 因此对其要求也更加严格， 相比易于检测的目标， 在实际计算预测。

16、值和真实值 间的差值时， 可采用加大目标损失的权重来提高目标检测能力； 0031 所述步骤(2)中采用目标检测算法YoLo V3的损失函数用于检测分数线， 计算公式 为： 0032 0033 公式包括三部分损失计算， 分别为： 坐标损失、 置信度损失和类别损失； 0034 其中， YoLo V3将待检测的字符图像网格化成K*K个网格， 每个网格有M个候选框， (xi,yi)表示目标的中心坐标，表示目标的候选框中心坐标， (wi,hi)表示目标的真实 宽高，表示目标的候选框的宽高，表示第i个网格的第j个候选框是否负责检测 目标， 如果负责则否则表示第i个网格的第j个候选框不负责该目标； 说明书 。

17、3/4 页 6 CN 111325177 A 6 表示参数置信度， coord表示有候选目标的权重系数， noobj表示没有目标的权重系数； 为 了注重分数线的检测， 调整加大 coord的权重系数， 设置为： 0.8； 0035 所述步骤(2)中的所述坐标损失用于所述分数线能否正确框选， 且判断分数线框 选是否有偏差； 所述类别损失用于判断所述分数线是否被计算正确； 所述置信度损失用于 表示所述分数线计算值为其真实值的可信程度； 此处， 可自定义修改分数线的权重值， 通常 将值设置大些， 计算损失时以获得较大的 “惩罚” ， 用于提高分数线的检测和预测结果； 0036 (3)模型训练： 分N。

18、轮迭代训练， 获得优化的训练模型， 用于单个分式字符的检测； 0037 所述步骤(3)中训练模型时， 分N轮迭代训练， 每轮迭代根据显卡实际显存设置一 次训练的样本数batch size， 当损失值loss持续达到稳定状态时， 及时断开模型训练， 从而 获得字符检测的最佳的训练模型； 0038 (4)字符检测： 字符检测包括字符定位和字符的预测， 通过所述步骤(3)中得到的 用于字符的检测的训练模型得到分数中每个字符的检测结果； 所述步骤(4)中的检测结果 包含： 所述字符的坐标值和所述字符的预测值； 0039 (5)识别重构： 根据步骤(4)获得的所述的检测结果， 将所述字符的坐标做排序并 。

19、重构输出所述分数的分式表达式； 0040 (6)解析判断： 通过所述步骤(5)输出的所述分式表达式结果， 对其进行解析并给 出判断； 所述步骤(6)中对输出的所述分式表达式结果解析并给出判断包括判断是否为带 分数或真假分数； 或解析成latex或自定义格式的特定形式。 0041 对于本领域的普通技术人员而言， 具体实施例只是对本发明进行了示例性描述， 显然本发明具体实现并不受上述方式的限制， 只要采用了本发明的方法构思和技术方案进 行的各种非实质性的改进， 或未经改进将本发明的构思和技术方案直接应用于其它场合 的， 均在本发明的保护范围之内。 说明书 4/4 页 7 CN 111325177 A 7 图1 图2 说明书附图 1/1 页 8 CN 111325177 A 8 。