多阶段深度学习框架,可对银行支票中重叠和色的手写文本进行强有力的识别

科学领域:

• 计算机科学 计算机科学
• 人工智能的人工智能
• 图像处理 图像处理

背景情况:

• 自动化支票处理对金融机构至关重要.
• 现有的系统在重叠的文本和退化的手写方面扎.
• 手动处理容易出现错误,并且效率低下.

研究的目的:

• 开发一个强大的深度学习框架,用于自动检查字段提取.
• 为了解决区分重叠文本和恢复色的手写的挑战.
• 为了准确地将支票分类为真实或伪造.

主要方法:

• 一个多阶段的深度学习框架,涉及预处理,细分和提取.
• 混合方法用于细分重叠的手写和打印文本.
• 纳米网模型用于关键字段提取和CNN用于伪造检测.

主要成果:

• 在细分重叠的文本方面取得了高准确性.
• 成功提取了关键的手写字段,如日期,名称和金额.
• 在识别稳定性和分类准确性方面表现卓越 (98.79%用于伪造检测).

结论:

• 拟议的框架有效地处理复杂的支票形象问题.
• 它显著提高了自动化支票处理的准确性和效率.
• 该方法对现实世界的金融应用有希望.