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！

龙图腾网获悉北京睿芯高通量科技有限公司申请的专利一种基于深度学习技术下的实时的字帖评分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：CN115909364B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202211519243.7，技术领域涉及：G06V30/19；该发明授权一种基于深度学习技术下的实时的字帖评分方法是由林海华;琚午阳;罗鑫设计研发完成，并于2022-11-30向国家知识产权局提交的专利申请。

本一种基于深度学习技术下的实时的字帖评分方法在说明书摘要公布了：本发明公开一种基于深度学习技术下的实时的字帖评分方法，为了矫正由不同光照不同角度导致字帖发生形变的问题，所述方法首先对图片进行位置变换，再利用深度学习的方法进行字体定位检测，并将检测的出的文字利用坐标进行裁剪，然后利用训练的深度学习模型对文字进行识别，同时利用模型中的卷积神经网络对识别出的文字进行特征向量的提取，对所对应的标准汉字进行特征向量的提取，并将二者进行余弦距离的计算，最终完成评分。

本发明授权一种基于深度学习技术下的实时的字帖评分方法在权利要求书中公布了：1.一种基于深度学习技术下的实时的字帖评分方法，其特征在于，包括： 步骤S1：收集训练测试数据构建图像数据集，具体包括收集不同学生书写的不同笔迹的字贴，并利用不同像素的设备在不同角度不同光照的条件下进行拍照所得到的图像数据组成集合； 步骤S2：构建位置变换模块，通过霍夫直线检测与聚类算法对图像数据集中的图像进行位置变换，用以矫正整张图片由于在不同角度不同光照下拍摄所造成的形变； 步骤S3：构建文本框定位模块，将位置变换模块输出图像的集合预处理后按照预设比例分别划分为训练集、验证集和测试集，并利用基于深度学习的文字检测模型，对字帖中的所有文字进行定位训练； 步骤S4：构建文字识别模块，将经过文本框定位模块定位后的图像按照预设比例分别划分为训练集、验证集和测试集，并通过基于深度学习的文字识别模型对文本框中文字进行识别训练，其中基于深度学习的文字识别模型包括卷积神经网络，用于提取文字特征向量； 步骤S5：构建文字相似性对比模块，保存步骤S4中卷积神经网络提取的文字特征向量，将上述文字特征向量所对应的标准楷体汉字库中的汉字输入步骤S4的卷积神经网络提取对应的标准特征向量，将文字特征向量与对应的标准特征向量进行相似性比对得到相似度值，其中，步骤S5具体为： 步骤S51：提取并保存步骤S4中卷积神经网络提取的文字特征向量； 步骤S52：根据文字特征向量找到步骤S43中对应的文字的索引； 步骤S53：下载中国标准楷体汉字库，并将其输入步骤S4中的卷积神经网络进行特征提取，得到标准特征向量，通过Softmax函数找到对应索引，并以对应索引作为关键字将标准特征向量存储到数据库中； 步骤S54：根据步骤S52的每一文字的索引，从数据库中查找关键字，并获取与其对应的标准特征向量； 步骤S55：通过下式计算相同索引的文字特征向量与标准特征向量的余弦距离，并将余弦距离作为相似度值， 式中，A为文字特征向量，B为标准特征向量，n为特征向量的维度，θ为同一维度的文字特征向量与标准特征向量之间的角度值； 步骤S6：引入排名机制，对识别出的所有的相同的汉字的相似度值进行排序，并通过与基础分进行权重相加计算得到每一汉字的最后评分；以及 将待评分字帖图片输入该字帖评分系统进行实时评分，具体为： 步骤S7：将待评分字帖图片输入该字帖评分系统，通过步骤S2构建的位置变换模块进行位置变换，通过步骤S3构建的文本定位模块定位文本，通过步骤S4构建的文字识别模块对定位后的文字进行识别，再通过步骤S5构建文字相似性对比模块计算相似度值，最后通过步骤S6引入的排名机制给出最后评分，并输出系统。

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北京睿芯高通量科技有限公司，其通讯地址为：102600 北京市大兴区北京经济技术开发区荣华中路19号院1号楼A座7层711C室；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”。