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！

龙图腾网获悉同方知网(北京)技术有限公司申请的专利一种博士与硕士学位论文授权页识别的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：CN114550184B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202210174956.8，技术领域涉及：G06V30/40；该发明授权一种博士与硕士学位论文授权页识别的方法是由邹季英;袁仁慧;刘斌设计研发完成，并于2022-02-24向国家知识产权局提交的专利申请。

本一种博士与硕士学位论文授权页识别的方法在说明书摘要公布了：本发明公开了一种博士与硕士学位论文授权页识别的方法，包括：按页抽取电子版学位论文形成待检图像集；按页扫描纸质版学位论文生成待检图像集；将待检图像集送入授权页识别分类器，判断是否存在授权页；若不存在，输出无授权页的结论，若存在，则执行下一步骤；在授权页内检测作者或导师的手写签名；输出授权页自动检测结果。本发明将自动检测有效授权页转化为图像分类和目标检测问题，采用基于深度卷积网络的图像分类和目标检测技术实现了授权页的自动检测和授权页是否有效的自动判别。

本发明授权一种博士与硕士学位论文授权页识别的方法在权利要求书中公布了：1.一种博士与硕士学位论文授权页识别的方法，其特征在于，包括： A、按页抽取电子版学位论文形成待检图像集； B、按页扫描纸质版学位论文生成待检图像集； C、将待检图像集送入授权页识别分类器，判断是否存在授权页；若不存在，输出无授权页的结论，若存在，则执行步骤D； D、在授权页内检测作者或导师的手写签名；若授权页内检测出作者或导师的手写签名，则该授权页视为有效授权页，若授权页内未检测出作者或导师的手写签名，则该授权页视为无效授权页； E、输出授权页自动检测结果； 所述D中，授权页内检测作者或导师的手写签名指的是用一个基于FasterRCNN的目标检测器在授权页内检测作者或导师的手写签名区域；基于FasterRCNN的目标检测器的目标块类型包括两种：手写体签名块和印刷体签名块；基于FasterRCNN的目标检测器的特征提取环节采用MobileNetv3_large网络； 将所述有效和无效授权页作为数据集，训练和测试基于FasterRCNN的手写签名目标检测器；具体包括： 1对图像进行预处理：从博硕士论文抽取的授权页像素稠密，需要将原图等比缩放到宽度＝778，高度＝1100； 2标注目标区域：标记每一张授权页内的手写体签名块和印刷体签名块，标注信息包括授权页图像的宽度和高度，每一个目标块的类型和位置；将标注信息以xml文件格式保存，并和对应的图像文件建立一一对应关系； 3训练目标检测器：将数据集的70％作为训练集，数据集的10％作为验证集训练目标检测器；训练过程中优化器选择小批量梯度下降法，Momentum＝0.9，训练周期Epoch＝15，在前10个Epoch学习率Learningrate＝0.01，后5个Epoch学习率下降到0.001； 4测试目标检测器：将数据集的20％作为测试集，评价目标检测器，评价指标采用每秒帧数FPS、准确率Precision和召回率Recall； 所述准确率Precision的计算公式为： 其中，n为测试集中识别为手写签名块的个数，iou1i为第i个识别的手写签名块与所有真实的手写签名块之间的面积交并比的最大值，当iou1i＞0.5时δiou1i＞0.5＝1，否则δiou1i＞0.5＝0； 召回率Recall的计算公式为： 其中，m为测试集中真实手写签名块的个数，iou2i为第i个真实的手写签名块与所有识别的手写签名块之间的面积交并比的最大值，当iou2i＞0.5时δiou2i＞0.5＝1，否则δiou2i＞0.5＝0； 所述授权页识别分类器的模型选型综合考虑了各模型的识别准确率、召回率和运行速度，以及实际运行的软硬件环境，最终选择MobileNetv3_large； 授权页识别分类器在识别为授权页的图像集中，有90.49％的授权页的置信度在[0.99,1.00]区间内时直接输出结果，无需人工检查； 所述A和B中待检图像集指的是博硕士学位论文的第2页至第10页以及论文的最后5页； 所述C中授权页识别分类器是由深度卷积模型构成的图像分类器；图像分类器将待检图像分为三类：授权页、目录页和其他页；其他页是指待检图像中除去授权页和目录页的其他类型的图像页； 为抑制测试时发现大量印刷体签名误识为手写体签名错误，修改了目标区域标注规则，既标注手写体签名块，又标注印刷体签名块。

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同方知网(北京)技术有限公司，其通讯地址为：100192 北京市海淀区西小口路66号东升科技园北领地A2楼；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。