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！

龙图腾网获悉国网安徽省电力有限公司电力科学研究院申请的专利基于多尺度残差和注意力机制的发票文本识别方法及系统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：CN115953791B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202310018808.1，技术领域涉及：G06V30/19；该发明授权基于多尺度残差和注意力机制的发票文本识别方法及系统是由钱光超;孙建;翟玥;范明豪;马亚彬;苏文;苏雅设计研发完成，并于2023-01-06向国家知识产权局提交的专利申请。

本基于多尺度残差和注意力机制的发票文本识别方法及系统在说明书摘要公布了：本发明公开了基于多尺度残差和注意力机制的发票文本识别方法及系统，包括以下步骤：对发票图像进行预处理，分割成单个字符图像；构建多尺度残差CNN网络，将单个字符图像输入到该网络中得到单个字符图像的表示向量；构建基于注意力机制的BiGRU网络，得到每个样本的文本识别结果；训练上述多尺度残差CNN网络与基于注意力机制的BiGRU网络构成的文本识别网络，寻找最优的网络参数，得到最优的文本识别网络，利用最优的文本识别网络从发票图像中识别文本信息；本发明的优点在于：能够提取更全面的特征，解决梯度消失的问题以及文本识别准确性高。

本发明授权基于多尺度残差和注意力机制的发票文本识别方法及系统在权利要求书中公布了：1.基于多尺度残差和注意力机制的发票文本识别方法，其特征在于，包括以下步骤： 步骤1、对发票图像进行预处理，分割成单个字符图像； 步骤2、构建多尺度残差CNN网络，将单个字符图像输入到该网络中，使用卷积核大小不同的卷积层分别对图像数据分别进行卷积操作，然后进行最大池化操作，池化结果与输入向量进行拼接融合得到单个字符图像的表示向量； 步骤2.1、构建多尺度残差CNN网络，该网络包括多个并行的卷积核大小不同的卷积层，以及分别与每个卷积层连接的池化层；将每个样本中的单个字符图像数据输入到多尺度残差CNN网络中，使用卷积核大小不同的卷积层分别对图像数据进行卷积操作，得到输出向量fl，l表示卷积核的标号； 步骤2.2、卷积后的输出向量fl输入池化层进行最大池化操作，然后对池化后的输出向量进行填充，与卷积层的输入向量进行拼接得到单个字符图像的表示向量； 步骤2.3、重复步骤2.1和2.2，直至每个样本中的单个字符图像数据计算完毕，进而得到每个样本中单个字符图像的特征表示为{f1,y1,f2,y2,...,fi,yi,...,fn,yn}，fi＝{fi1,fi2,...,fij,...,fim}，fij为第i个样本中的第j张单个字符图像的表示向量； 步骤3、构建基于注意力机制的BiGRU网络，将每个样本中的单个字符图像的表示向量输入到该网络中，获取样本中的上下文语义信息并输入到文本识别模型中，得到每个样本的文本识别结果； 步骤3.1、初始化时间步q＝1，当q＝1时，初始化BiGRU网络的隐藏向量将向量作为查询向量query；当q＞1时，将第q-1个时间步的BiGRU网络的隐藏状态向量作为查询向量query； 步骤3.2、将每个样本中的单个字符图像的表示向量作为关键字key和值value，BiGRU网络对单个字符图像的表示向量进行注意力机制加权融合； 步骤3.3、经过注意力机制加权融合之后，计算BiGRU网络中第q个时间步的隐藏状态向量 步骤3.4、构建基于全连接层网络的文本识别模型，将作为输入，预测第i个输入样本中第q个单个字符图像的识别结果； 步骤3.5、执行q＝q+1，当1≤q≤m时，重复步骤3.1-3.4，可得到第i个输入样本的m个单个字符图像的识别结果否则，执行步骤4； 步骤4、训练上述多尺度残差CNN网络与基于注意力机制的BiGRU网络构成的文本识别网络，寻找最优的网络参数，得到最优的文本识别网络，利用最优的文本识别网络从发票图像中识别文本信息。

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国网安徽省电力有限公司电力科学研究院，其通讯地址为：230000 安徽省合肥市经济开发区紫云路299号；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。