买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉国网河北省电力有限公司信息通信分公司;华北电力大学(保定);国家电网有限公司申请的专利单据文本检测模型的训练方法及单据文本检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115909378B 。

龙图腾网通过国家知识产权局官网在2026-02-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211400836.1，技术领域涉及：G06V30/41；该发明授权单据文本检测模型的训练方法及单据文本检测方法是由陈曦;常永娟;郑涛;卢艳艳;曹锦纲;彭姣;杨力平;王梦迪;刘汝坤;赵梦瑶;贺月设计研发完成，并于2022-11-09向国家知识产权局提交的专利申请。

本单据文本检测模型的训练方法及单据文本检测方法在说明书摘要公布了：本发明提供一种单据文本检测模型的训练方法及单据文本检测方法。该训练方法包括：获取训练集图像，其中，训练集图像包括单据图像以及单据图像中文本区域对应的位置标签；对每张单据图像进行特征提取，得到第一特征图；再对第一特征图进行特征融合，得到第二特征图；基于第二特征图得到概率图和阈值图，并对概率图和阈值图进行可微分二值化处理，得到二值图以及单据图像的文本区域位置坐标；基于位置标签、文本区域位置坐标以及预设损失函数对各个参数进行迭代更新，当预设损失函数收敛时，获得训练完成的目标单据文本检测模型。本发明能够有效提升模型的训练精度，进而进一步提高单据文本的检测精度。

本发明授权单据文本检测模型的训练方法及单据文本检测方法在权利要求书中公布了：1.一种单据文本检测模型的训练方法，其特征在于，包括： 获取训练集图像，其中，所述训练集图像包括单据图像以及所述单据图像中的文本区域对应的位置标签； 对于所述训练集图像中的每张单据图像，基于预设编码器模块进行特征提取，得到该单据图像对应的不同尺度的第一特征图； 基于级联融合注意力模块和局部-全局融合注意力模块对所述不同尺度的第一特征图进行自顶向下和自底向上的特征融合，得到第二特征图，包括：按照自顶向下的顺序，将所述不同尺度的第一特征图中相邻的高层特征图和低层特征图进行全局平均池化处理和最大池化处理，得到不同尺度的第一中间特征图；对所有所述第一中间特征图进行上采样，得到相应的相同尺度的第二中间特征图；按照自底向上的顺序，将所述第二中间特征图中相邻的低级细节特征图和高级空间特征图划分为一组，并对每组第二中间特征图进行全局平均池化处理和细节特征保护处理，得到第三中间特征图；对所有所述第三中间特征图进行全局平均池化处理和细节特征保护处理，得到所述第二特征图； 基于所述第二特征图得到概率图和阈值图，并对所述概率图和所述阈值图进行可微分二值化处理，得到二值图以及基于所述二值图预测的所述单据图像的文本区域位置坐标； 基于所述位置标签、所述文本区域位置坐标以及预设损失函数对所述预设编码器模块、所述级联融合注意力模块和所述局部-全局融合注意力模块的参数进行迭代更新，当所述预设损失函数收敛时，获得训练完成的目标单据文本检测模型； 所述按照自顶向下的顺序，将所述不同尺度的第一特征图中相邻的高层特征图和低层特征图进行全局平均池化处理和最大池化处理，得到不同尺度的第一中间特征图，包括： 基于，将所述不同尺度的第一特征图中相邻的所述高层特征图和所述低层特征图进行全局平均池化处理和最大池化处理，得到所述不同尺度的第一中间特征图； 其中，表示所述不同尺度的第一特征图中相邻的所述高层特征图和所述低层特征图的全局特征，表示第个所述第一特征图，且表示相对于第个所述第一特征图的低层特征图，表示第个所述第一特征图，且表示相对于第个所述第一特征图的高层特征图，表示元素相加操作，表示所述全局平均池化处理，表示卷积核大小为1×1，输入通道为C，输出通道为的深度卷积操作，表示ReLU激活函数，表示卷积核大小为1×1，输入通道为，输出通道为C的深度卷积操作，表示所述不同尺度的第一特征图中相邻的所述高层特征图和所述低层特征图的局部特征，表示最大池化操作，表示平均池化操作，表示拼接操作，表示卷积核大小为7×7，输入通道为2，输出通道为1的卷积操作，表示Sigmoid激活函数，表示所述低层特征图和所述高层特征图的融合权值，表示元素相乘操作，表示所述第一中间特征图； 所述按照自底向上的顺序，将所述第二中间特征图中相邻的低级细节特征图和高级空间特征图划分为一组，并对每组第二中间特征图进行全局平均池化处理和细节特征保护处理，得到第三中间特征图，包括： 基于，将所述第二中间特征图中相邻的所述低级细节特征图和所述高级空间特征图划分为一组，并对每组第二中间特征图进行全局平均池化处理和细节特征保护处理，得到所述第三中间特征图； 其中，表示所述第二中间特征图中相邻的所述低级细节特征图和所述高级空间特征图的全局特征，表示第个所述第二中间特征图，且表示相对于第个所述第二中间特征图的低级细节特征图，表示第个所述第二中间特征图，且表示相对于第个所述第二中间特征图的高级空间特征图，表示所述全局平均池化处理，表示卷积核大小为1×1，输入通道为C，输出通道为的深度卷积操作，表示ReLU激活函数，表示卷积核大小为1×1，输入通道为，输出通道为C的深度卷积操作，表示所述低级细节特征图的细节特征，表示转置细节特征图，表示所述第三中间特征图。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人国网河北省电力有限公司信息通信分公司;华北电力大学(保定);国家电网有限公司，其通讯地址为：050000 河北省石家庄市裕华区富强大街10号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。