本发明涉及印章鉴别,具体而言,涉及一种印章真伪鉴别方法及装置。
背景技术:
1、银行日常对公业务会涉及大量针对客户印章核验的操作。银行专员需要人工对凭证或票据上的客户印章(即待识别印章)与客户预留的印章图像进行对比核验,辨别印章的真伪。目前通过人工进行鉴别或者通过简单规则对图像进行对比来进行鉴别的方法,存在容易出现误判、鉴别准确性较低的问题,如何提高印章真伪鉴别的准确性是现有技术急需解决的技术问题。
技术实现思路
1、本发明为了解决上述背景技术中的至少一个技术问题,提出了一种印章真伪鉴别方法及装置。
2、为了实现上述目的,根据本发明的一个方面,提供了一种印章真伪鉴别方法,该方法包括:
3、确定待识别印章图像对应的预留印章图像;
4、将所述待识别印章图像和所述预留印章图像输入到预设的孪生神经网络中的视觉特征编码器中,得到所述待识别印章图像对应的第一图像特征和所述预留印章图像对应的第二图像特征,其中,所述视觉特征编码器采用视觉自注意力模型;
5、计算所述第一图像特征和所述第二图像特征的相似度,并根据所述相似度确定所述待识别印章图像对应的鉴别结果。
6、可选的,所述印章真伪鉴别方法,还包括:
7、获取训练样本集,其中,所述训练样本集中包含正样本对和负样本对,正样本对中包含预留印章图像以及预留印章图像对应的正样本,负样本对中包含预留印章图像以及预留印章图像对应的负样本;
8、根据所述训练样本集对所述孪生神经网络进行训练。
9、可选的,根据所述训练样本集对所述孪生神经网络进行训练,具体包括:
10、根据所述训练样本集生成n个训练样本子集,其中,n为大于1的整数,训练样本子集中包含正样本对和负样本对;
11、根据该n个训练样本子集对所述孪生神经网络进行m轮训练,其中,每轮训练采用该n个训练样本子集中的一个训练样本子集进行训练,m为大于1的整数。
12、可选的,根据该n个训练样本子集对所述孪生神经网络进行m轮训练,具体包括:
13、在每轮训练时,将训练样本子集中的每个样本送入到所述视觉特征编码器中得到每个样本各自对应的印章特征,然后将训练样本子集中的各样本的印章特征从先入先出队列的头部压入,其中,印章特征包含预留印章特征和正负样本印章特征;
14、计算所述先入先出队列中的各预留印章特征与对应的正负样本印章特征的对比损失,并对各对比损失进行求和得到总对比损失;
15、基于所述总对比损失对所述视觉特征编码器的权重进行更新。
16、可选的,基于所述总对比损失对所述视觉特征编码器的权重进行更新,具体包括:
17、基于所述总对比损失进行带动量的梯度下降更新所述视觉特征编码器的权重。
18、可选的,所述印章真伪鉴别方法,还包括:
19、对预留印章图像集中的每个预留印章图像进行图像变换处理,得到每个预留印章图像各自对应的多个合成图像;
20、将预留印章图像与对应的合成图像进行组合,生成多个正样本对;
21、将预留印章图像与所述预留印章图像集中的其他预留印章图像或者该其他预留印章图像对应的合成图像进行组合,生成多个负样本对;
22、根据生成的正样本对以及生成的负样本对建立所述训练样本集。
23、可选的,所述印章真伪鉴别方法,还包括:
24、针对标注好的正样本对,对正样本对中的正样本进行图像变换处理,得到正样本对应的多个合成图像,将正样本对中的预留印章图像与该合成图像进行组合,生成多个正样本对;
25、针对标注好的负样本对,对负样本对中的负样本进行图像变换处理,得到负样本对应的多个合成图像,将负样本对中的预留印章图像与该合成图像进行组合,生成多个负样本对;
26、根据生成的正样本对以及生成的负样本对建立所述训练样本集。
27、可选的,所述视觉特征编码器为基于动量对比学习的视觉特征编码器。
28、为了实现上述目的,根据本发明的另一方面,提供了一种印章真伪鉴别装置,该装置包括:
29、图像确定单元,用于确定待识别印章图像对应的预留印章图像;
30、特征提取单元,用于将所述待识别印章图像和所述预留印章图像输入到预设的孪生神经网络中的视觉特征编码器中,得到所述待识别印章图像对应的第一图像特征和所述预留印章图像对应的第二图像特征,其中,所述视觉特征编码器采用视觉自注意力模型;
31、真伪鉴别单元,用于计算所述第一图像特征和所述第二图像特征的相似度,并根据所述相似度确定所述待识别印章图像对应的鉴别结果。
32、为了实现上述目的,根据本发明的另一方面,还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述印章真伪鉴别方法的步骤。
33、为了实现上述目的,根据本发明的另一方面,还提供了一种计算机可读存储介质,其上存储有计算机程序/指令,该计算机程序/指令被处理器执行时实现上述印章真伪鉴别方法的步骤。
34、为了实现上述目的,根据本发明的另一方面,还提供了一种计算机程序产品,包括计算机程序/指令,该计算机程序/指令被处理器执行时实现上述印章真伪鉴别方法的步骤。
35、本发明的有益效果为:
36、本发明实施例基于训练出的孪生神经网络来自动进行印章真伪鉴别,提高了印章真伪鉴别的效率和准确性,此外本发明对孪生神经网络的视觉特征编码器进行改进,视觉特征编码器采用视觉自注意力模型(vision transformer,vit)替代传统的卷积神经网络(convolutional neural network,cnn),提高了特征抽取的泛化性、扩展性,使本发明印章真伪鉴别方法具有较高的准确性。
1.一种印章真伪鉴别方法,其特征在于,包括:
2.根据权利要求1所述的印章真伪鉴别方法,其特征在于,还包括:
3.根据权利要求2所述的印章真伪鉴别方法,其特征在于,根据所述训练样本集对所述孪生神经网络进行训练,具体包括:
4.根据权利要求3所述的印章真伪鉴别方法,其特征在于,根据该n个训练样本子集对所述孪生神经网络进行m轮训练,具体包括:
5.根据权利要求4所述的印章真伪鉴别方法,其特征在于,基于所述总对比损失对所述视觉特征编码器的权重进行更新,具体包括:
6.根据权利要求2所述的印章真伪鉴别方法,其特征在于,还包括:
7.根据权利要求2所述的印章真伪鉴别方法,其特征在于,还包括:
8.根据权利要求1所述的印章真伪鉴别方法,其特征在于,所述视觉特征编码器为基于动量对比学习的视觉特征编码器。
9.一种印章真伪鉴别装置,其特征在于,包括:
10.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8任意一项所述方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1至8任意一项所述方法的步骤。
12.一种计算机程序产品,包括计算机程序/指令,其特征在于,该计算机程序/指令被处理器执行时实现权利要求1至8任意一项所述方法的步骤。