摘要
本发明提供一种基于深度神经网络模型的票据智能识别方法,涉及深度神经网络模型的票据智能识别技术领域,本发明收集多种票据数据,分别提取图像特征和文本特征,并对其进行预处理,为后续建模提供完整的多模态数据支持;其次,利用卷积神经网络建模图像特征,深度神经网络建模文本特征,将两者拼接为联合特征向量,并通过跨模态注意力机制深度融合图像与文本模态的信息,增强多模态关联性;最后,设计动态权重调整机制,基于分类任务的交叉熵损失和字段解析任务的均方误差损失,自适应调整两者的优化权重,平衡多任务场景下的优化冲突。
技术关键词
深度神经网络模型
智能识别方法
文本特征向量
图像特征向量
联合损失函数
关键字
票据智能识别
注意力机制
卷积神经网络特征提取
边缘检测
深度神经网络建模
轻量级卷积神经网络
跨模态
发票
纸质票据
电子票据
系统为您推荐了相关专利信息
深度神经网络模型
多智能体强化学习
深度强化学习
动态剪枝
滑动平均值
配电网载波通信
安全性检测方法
波形
多模态
深度神经网络模型
医疗图像识别
医疗图像数据
胶囊网络
联合损失函数
注意力机制
瓶颈特征
深度自动编码器
重构误差
智能识别方法
计算机视觉
异常监测方法
多模态
联合损失函数
多层感知机
异常状态