基于深度学习的税务票据自动识别系统的研究及实现

发布时间：2021-03-02 21:44

　　现代工业、商业、日常经济活动的繁荣,促使人们频繁使用发票等税务票据,而常规手动管理税务票据费事费力,随着信息技术的发展,这项工作大多交由计算机完成,而传统的人工手动录入税务票据信息的方式,面对急剧增长的税务票据,无法满足人们的要求,且错误率高、时效性差。因此借助信息化手段,提高税务票据信息处理能力,处理效率,准确率,实现税务票据自动识别是解决问题的有效办法。税务票据识别是字符识别技术的实践与应用。本课题首先整理总结了国内外字符识别技术的现状及研究方法,重点介绍了基于神经网络的深度学习方法。并对税务票据自动识别系统进行需求分析、业务流程、架构设计及实现,提出基于Dense Convolutional Network（DenseNet）加 Bidirectional-LSTM（BLSTM）的税务票据内容识别模型。主要工作内容如下:（1）针对税务票据图像的预处理问题,采用OpenCV对图像进行灰度化处理去除不必要的彩色信息;再采用自适应中值滤波器对图像进行降噪处理去除噪音;采用Radon变化对图像进行倾斜校正;最后对图像进行分割定位以便精确提取所需内容。（2）针对税务票据的内容识别问题,仔细... 

【文章来源】：中国科学院大学(中国科学院人工智能学院)北京市

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

图２．１神经元数学模型示意图??Ｆｉｇｕｒｅ?２．?１?Ｎｅｕｒｏｎａｌ?Ｍａｔｈｅｍａｔｉｃａｌ?Ｍｏｄｅｌ??

?经网络中的处理单元对应生物神经网络的神经元，受生物神经网络动作电位和静??息的产生机制原理启发建立的数学运算模型。图２．２展示的是人工神经网络组成??的示意图，在图中，输入是源输入或者上层神经元的输出，输入与权重相乘，再??求和。权值为正表示兴奋，值越大表示作用越强，负值的权重则为抑制，越小抑??制越弱。将全部的累加与阈值对比，累加大于阈值，结果是一，反之，结果是零。??图２．?２人工神经网络的组成示意图??Ｆｉｇｕｒｅ?２．２?Ｃｏｍｐｏｓｉｔｉｏｎ?ｏｆ?Ａｒｔｉｆｉｃｉａｌ?Ｎｅｕｒａｌ?Ｎｅｔｗｏｒｋｓ??２．１．１激活函数??在神经网络中激活函数可以选择不同的激活函数，传统的激活函数有??Ｓｉｇｍｏｉｄ函数［２１］、ｔａｎｈ函数等。??（１）?Ｓ型函数??＝?ｓｉｇｍ（ｘ）?＝?—５—?（２．?１）??＼?＋?ｅｘ??任意输入信号都可以通过Ｓｉｇｍｏｉｄ函数进行变换，其是非线性激活函数，功??能是将输入压缩至〇到１之间，即被转换成一个取值介于〇到１之间的输出值，而不??是将分类结果简单分为０和〗，输出结果是介于二者的概率，因此，Ｓｉｇｍｏｉｄ函数??的最大的特点是无限拟合非线性的输入与输出。在训练集上

发表后很快在模式识别、图像识别、语音识别、自然语言处理等领域有了不俗的??表现。２０世纪８０年代日本学者Ｋ．ＦｕｋｕＳｈｉｍａ第一次实际构建了卷积神经网络，并??之后致力于研究对卷积神经网络的结构优化。卷积神经网络的结构如图２．３所示。??卷积神经网络结构主要组成部分包括输入层、卷积层、全连接层、输出层。??特征映ｗ?特扯映射??（！＊２８心?１０＊１０＊１０?ＵＩ．映?Ｍ?谄出??输入犯咖?????ｐ?隱⑷?２＾＊１??Ｍｌ?了仙样?投积?了杣样?Ｓ积??图２．３卷积神经网络结构图??Ｆｉｇｕｒｅ?２．３?Ｓｔｒｕｃｔｕｒａｌ?ｄｉａｇｒａｍ?ｏｆ?ｃｏｎｖｏｌｕｔｉｏｎａｌ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ??（１）输入层：原始信息可以直接作为卷积网络的输入，当输入是图像时，??输入数据就是图像的像素值，当输入是数据时，输入数据就是输入向量。??（２）

【参考文献】：
期刊论文
[1]深度神经网络的发展现状[J]. 胡聪丛,胡桓.  电子技术与软件工程. 2017(04)
[2]通用机打商业发票识别系统研究与实现[J]. 虞飞,皮佑国.  信息技术. 2013(06)
[3]三种基于GDI+的图像灰度化实现方法[J]. 李贞培,李平,郭新宇,陈树敏.  计算机技术与发展. 2009(07)
[4]基于Radon变换的倾斜车牌图像角度检测与校正[J]. 孙东卫,朱程辉.  微计算机应用. 2008(02)
[5]开放源代码的计算机视觉类库OpenCv的应用[J]. 黎松,平西建,丁益洪.  计算机应用与软件. 2005(08)
[6]票据印刷纵横谈[J]. 彭卫东.  今日印刷. 2003(08)



本文编号：3060005