買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜山東第一醫(yī)科大學(xué)附屬腫瘤醫(yī)院(山東省腫瘤防治研究院、山東省腫瘤醫(yī)院)申請(qǐng)的專利基于超輕量級(jí)特征壓縮的財(cái)務(wù)憑證處理方法及系統(tǒng)獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN119251850B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-03-25發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202411783343.X，技術(shù)領(lǐng)域涉及：G06V30/19；該發(fā)明授權(quán)基于超輕量級(jí)特征壓縮的財(cái)務(wù)憑證處理方法及系統(tǒng)是由潘立才;張新斌;陳瑤瑤;張杰;張姍姍;趙金棟;張玲玉;李春苗設(shè)計(jì)研發(fā)完成，并于2024-12-06向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本基于超輕量級(jí)特征壓縮的財(cái)務(wù)憑證處理方法及系統(tǒng)在說(shuō)明書摘要公布了：本發(fā)明涉及一種基于超輕量級(jí)特征壓縮的財(cái)務(wù)憑證處理方法及系統(tǒng)，屬于財(cái)務(wù)人工智能領(lǐng)域。其包括以下步驟：收集財(cái)務(wù)憑證圖像及文本信息，構(gòu)建Mini?Fin數(shù)據(jù)集，并劃分為訓(xùn)練集和測(cè)試集；對(duì)訓(xùn)練集的圖像數(shù)據(jù)使用HSV亮度增強(qiáng)方法進(jìn)行數(shù)據(jù)預(yù)處理，得到財(cái)務(wù)圖像數(shù)據(jù)；構(gòu)建基于超輕量級(jí)特征壓縮的財(cái)務(wù)憑證處理模型，所述模型包括全局輕量特征提取器、局部輕量特征提取器、壓縮感知機(jī)、注意力模塊、分類器以及文本提取器；將財(cái)務(wù)圖像數(shù)據(jù)輸入到模型中進(jìn)行訓(xùn)練；通過(guò)分類損失函數(shù)和文本損失函數(shù)對(duì)模型進(jìn)行優(yōu)化，得到訓(xùn)練好的模型；測(cè)試集中待檢測(cè)的財(cái)務(wù)憑證圖像輸入到訓(xùn)練好的模型中，得到財(cái)務(wù)憑證處理結(jié)果。本發(fā)明能夠提高處理大規(guī)模財(cái)務(wù)數(shù)據(jù)的效率。

本發(fā)明授權(quán)基于超輕量級(jí)特征壓縮的財(cái)務(wù)憑證處理方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于超輕量級(jí)特征壓縮的財(cái)務(wù)憑證處理方法，其特征在于，包括以下步驟：S1.收集財(cái)務(wù)憑證圖像及文本信息，構(gòu)建Mini-Fin數(shù)據(jù)集，并劃分為訓(xùn)練集和測(cè)試集；S2.對(duì)訓(xùn)練集的圖像數(shù)據(jù)使用HSV亮度增強(qiáng)方法進(jìn)行數(shù)據(jù)預(yù)處理，得到財(cái)務(wù)圖像數(shù)據(jù)；S3.構(gòu)建基于超輕量級(jí)特征壓縮的財(cái)務(wù)憑證處理模型，所述模型包括全局輕量特征提取器、局部輕量特征提取器、壓縮感知機(jī)、注意力模塊、分類器以及文本提取器；所述財(cái)務(wù)圖像數(shù)據(jù)輸入到所述模型中，對(duì)模型進(jìn)行訓(xùn)練；全局輕量特征提取器具體為：所述全局輕量特征提取器包括第一卷積層、ReLU激活函數(shù)、平均池化層、寬度最大計(jì)算層、寬度平均計(jì)算層、高度平均計(jì)算層、高度最大計(jì)算層、第二卷積層、第三卷積層、softmax函數(shù)、第四卷積層、ReLU激活函數(shù)、最大池化層；寬度最大計(jì)算層計(jì)算當(dāng)前特征圖按寬度維度方向上每個(gè)列向量的最大值；寬度平均計(jì)算層計(jì)算當(dāng)前特征圖按寬度維度方向上每個(gè)列向量的平均值；高度平均計(jì)算層計(jì)算當(dāng)前特征圖按高度維度方向上每個(gè)行向量的平均值；高度最大計(jì)算層計(jì)算當(dāng)前特征圖按高度維度方向上每個(gè)行向量的最大值；所述財(cái)務(wù)圖像數(shù)據(jù)輸入到第一卷積層、ReLU激活函數(shù)、平均池化層中，得到第一卷積特征；將第一卷積特征輸入到寬度最大計(jì)算層、寬度平均計(jì)算層、高度平均計(jì)算層、高度最大計(jì)算層中，分別得到寬度最大向量、寬度平均向量、高度平均向量、高度最大向量；將寬度最大向量在維度dim=1的維度方向上使用concat函數(shù)與寬度平均向量拼接，得到雙層寬度最大向量，將寬度平均向量在維度dim=1的維度方向上使用concat函數(shù)與寬度最大向量拼接，得到雙層寬度平均向量，將高度最大向量和高度平均向量在通道維度上相加，得到高度向量；將雙層寬度最大向量輸入到第二卷積層中，得到單層寬度最大向量，將雙層寬度平均向量輸入到第三卷積層中，得到單層寬度平均向量，將單層寬度最大向量和單層寬度平均向量相乘并輸入softmax函數(shù)，得到寬度矩陣；將寬度矩陣和高度向量相乘，輸入到第四卷積層、ReLU激活函數(shù)、最大池化層中，得到全局特征；局部輕量特征提取器具體為：所述局部輕量特征提取器包括第一卷積層、ReLU激活函數(shù)、第一池化層、第二卷積層、ReLU激活函數(shù)、第二池化層；所述全局特征經(jīng)過(guò)局部輕量特征提取器得到局部特征；壓縮感知機(jī)具體為：所述壓縮感知機(jī)包括離散層、霍夫曼編碼層、卷積層、ReLU激活函數(shù)；將所述全局特征和局部特征相加后輸入到壓縮感知機(jī)中，得到融合特征；S4.通過(guò)分類損失函數(shù)和文本損失函數(shù)對(duì)所述模型進(jìn)行優(yōu)化，得到訓(xùn)練好的模型；S5.測(cè)試集中待檢測(cè)的財(cái)務(wù)憑證圖像輸入到訓(xùn)練好的模型中，得到財(cái)務(wù)憑證處理結(jié)果。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人山東第一醫(yī)科大學(xué)附屬腫瘤醫(yī)院(山東省腫瘤防治研究院、山東省腫瘤醫(yī)院)，其通訊地址為：250117 山東省濟(jì)南市槐蔭區(qū)濟(jì)兗路440號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。