图像识别方法、装置、电子设备及存储介质与流程

1.本发明实施例涉及图像处理技术领域，尤其涉及一种图像识别方法、装置、电子设备及存储介质。


背景技术：

2.目前，在电网建设档案图像的审核过程中，往往会涉及到手写日期识别。相关技术中，手写日期识别方法主要包括在线手写日期识别方法和离线手写日期识别方法。其一，对于在线手写日期识别方法，需要使用专业设备(如，触摸屏)捕捉记录笔划数据以识别手写日期，存在无法对历史文档的手写日期无法进行识别。其二，对于离线手写日期识别方法，通常需要工作人员人工识别，由于历史文档在保存过程会引入不同的模糊、扭曲、光照等噪声，且历史文档中笔迹类型繁多，容易出现人工识别错误情况，从而降低了离线手写日期识别的准确度。


技术实现要素：

3.本发明提供了一种图像识别方法、装置、电子设备及存储介质，以实现能够较为准确的对包含有图像噪声的待识别手写日期图像中手写日期的识别，从而达到提升手写日期识别的准确度。
4.更加准确地对待识别手写日期图像中的手写日期进行准确地识别。
5.根据本发明的一方面，提供了一种图像识别方法，该方法包括：
6.获取待识别手写日期图像，其中，所述待识别手写日期图像包含图像噪声；
7.将所述待识别手写日期图像输入至预先训练完成的手写日期识别模型中，得到对所述待识别手写日期图像的日期识别结果。
8.可选地，所述手写日期识别模型包括内容特征提取网络、图像特征提取网络和日期字迹分类网络；所述将所述待识别手写日期图像输入至预先训练完成的手写日期识别模型中，得到对所述待识别手写日期图像的日期识别结果，包括：将所述待识别手写日期图像输入至所述内容特征提取网络，得到所述待识别手写日期图像的内容特征；将所述待识别手写日期图像输入至所述图像特征提取网络，得到所述待识别手写日期图像的图像特征；将所述待识别手写日期图像的内容特征和图像特征进行特征拼接处理，得到拼接后的特征；将所述拼接后的特征输入至所述日期字迹分类网络，得到对所述待识别手写日期图像的日期识别结果。
9.可选地，所述方法还包括：获取样本数据集，其中，所述样本数据集包括已标注手写日期图像、未标注手写日期图像以及与所述已标注手写日期图像对应的风格迁移手写日期图像；基于所述已标注手写日期图像和所述风格迁移手写日期图像，对初始网络模型进行模型训练，以得到所述手写日期识别模型。
10.可选地，所述方法还包括：将所述已标注手写日期图像和所述未标注手写日期图像输入至预先训练完成的图像风格迁移模型中，得到与所述已标注手写日期图像对应的风
格迁移手写日期图像。
11.可选地，对图像风格迁移模型进行模型训练，包括：
12.将所述已标注手写日期图像的内容特征和所述风格迁移手写日期图像的内容特征进行差值计算，得到所述图像风格迁移模型的内容损失函数值；将所述未标注手写日期图像的风格特征和所述风格迁移手写日期图像的风格特征进行差值计算，得到所述图像风格迁移模型的风格损失函数值；将所述未标注手写日期图像的字迹特征和所述风格迁移手写日期图像的字迹特征进行差值计算，得到所述图像风格迁移模型的字迹损失函数值；根据所述内容损失函数值、所述风格损失函数值和所述字迹损失函数值，对所述对图像风格迁移模型的网络参数进行调整，以得到所述图像风格迁移模型。
13.可选地，所述图像风格迁移模型包括内容编码器、风格编码器、字迹编码器和解码器；所述将所述已标注手写日期图像和所述未标注手写日期图像输入至预先训练完成的图像风格迁移模型中，得到与所述已标注手写日期图像对应的风格迁移手写日期图像，包括：
14.将所述已标注手写日期图像输入至所述内容编码器，得到所述已标注手写日期图像的内容特征；将所述未标注手写日期图像输入至所述风格编码器，得到所述未标注手写日期图像的风格特征；将所述未标注手写日期图像输入至所述字迹编码器，得到所述未标注手写日期图像的字迹特征；将所述已标注手写日期图像的内容特征、所述未标注手写日期图像的风格特征、所述未标注手写日期图像的字迹特征进行特征拼接处理，得到拼接后的特征，将所述拼接后的特征输入至所述解码器，生成风格迁移手写日期图像。
15.可选地，所述字迹编码器为训练完成的字迹分类模型，所述方法还包括：对所述字迹分类模型进行训练，包括：
16.将所述已标注手写日期图像输入至预先构建的字迹分类模型中，得到所述已标注手写日期图像的实际字迹分类结果；将实际字迹分类结果和所述已标注手写日期图像的期望字迹分类结果进行比较，得到已构建的字迹分类模型的分类损失函数值；基于所述分类损失函数值，对所述预先构建的字迹分类模型的模型参数进行调整，以得到训练完成的手写日期字迹分类模型。
17.根据本发明的另一方面，提供了一种图像识别装置，该装置包括：
18.图像获取模块，用于获取待识别手写日期图像，其中，所述待识别手写日期图像包含图像噪声；
19.日期识别模块，用于将所述待识别手写日期图像输入至预先训练完成的手写日期识别模型中，得到对所述待识别手写日期图像的日期识别结果。
20.根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
21.至少一个处理器；以及
22.与所述至少一个处理器通信连接的存储器；其中，
23.所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的图像识别方法。
24.根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的图像识别方法。
25.本发明实施例的技术方案，通过获取待识别手写日期图像，其中，所述待识别手写日期图像包含图像噪声；将所述待识别手写日期图像输入至预先训练完成的手写日期识别模型中，得到对所述待识别手写日期图像的日期识别结果。本发明实施例的技术方案，解决了现有技术针对包含有图像噪声的待识别手写日期图像的手写日期识别存在准确度较低的技术问题，实现了能够较为准确的对包含有图像噪声的待识别手写日期图像中手写日期的识别，从而达到提升手写日期识别的准确度。
26.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
27.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
28.图1为本发明实施例一提供的一种图像识别方法的流程示意图；
29.图2为本发明实施例二提供的一种图像识别装置的结构示意图；
30.图3为本发明实施例三提供的一种电子设备的结构示意图。
具体实施方式
31.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
32.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
33.可以理解的是，本技术方案所涉及的数据(包括但不限于数据本身、数据的获取或使用)应当遵循相应法律法规及相关规定的要求。
34.实施例一
35.图1为本发明实施例一提供的一种图像识别方法的流程示意图，本实施例可适用于对包含有图像噪声的待识别手写日期图像进行手写日期识别的情况，该方法可以由图像识别装置来执行，该图像识别装置可以采用硬件和/或软件的形式实现，该图像识别装置可配置于诸如计算机或者服务器等的电子设备中。
36.如图1所示，本实施例的方法包括：
37.s110、获取待识别手写日期图像，其中，所述待识别手写日期图像包含图像噪声。
38.其中，待识别手写日期图像可以理解为需要进行手写日期识别的图像。在本发明实施例中，待识别手写日期图像可以理解为需要识别手写日期的历史文档图像。示例性的，历史文档图像可以为电网建设档案图像。也就是说，待识别手写日期图像可以是基于电网建设档案图像中待识别手写日期得到的。图像噪声可以理解为存在于待识别手写日期图像中的不必要的或多余的干扰信息。图像噪声可以包括模糊噪声、扭曲噪声、光照噪声中的至少一种。
39.在本发明实施例中，得到电网建设档案图像的方式可以为对电网建设档案图像中的手写日期进行标注，将标注后的图像作为待识别手写日期图像；或者，可以为从电网建设档案图像中提取手写日期，基于提取到的手写日期生成待识别手写日期图像；又或者，可以为对电网建设档案图像进行分析，从而确定手写日期在所述电网建设档案图像中的目标区域，进一步对所述电网建设档案图像进行分割处理，从而可以得到所述目标区域的区域图像，即得到待识别手写日期图像。其中，目标区域可以理解为手写日期在所述电网建设档案图像中区域。
40.在本发明实施例中，获取待识别手写日期图像的方式有多种，其在此不做就提限定。例如，可以为从用于存储待识别手写日期图像的数据库中获取待识别手写日期图像；或者，可以为，接收存储有待识别手写日期图像的设备传输的待识别手写日期图像。
41.s120、将所述待识别手写日期图像输入至预先训练完成的手写日期识别模型中，得到对所述待识别手写日期图像的日期识别结果。
42.其中，手写日期识别模型可以理解为用于对待识别手写日期图像进行手写日期识别的模型。在本发明实施例中，日期识别结果可以为待识别手写日期图像中的手写日期数据。需要说明的是，在本发明实施例中，日期识别结果的具体字体形式可以根据实际需要进行设置，在此不做具体限定，例如，宋体、隶书或楷体等。
43.具体的，在获取到包含有图像噪声的待识别手写日期图像后，可以将包含有图像噪声的待识别手写日期图像，输入至预先训练完成的手写日期识别模型中。从而可以得到手写日期识别模型的输出结果，即可以得到与包含有图像噪声的待识别手写日期图像对应的日期识别结果。
44.在本发明实施例中，所述手写日期识别模型可以包括内容特征提取网络、图像特征提取网络和日期字迹分类网络；其中，内容特征提取网络可以理解为手写日期识别模型中用于对待识别手写日期图像进行内容特征提取的网络。图像特征提取网络可以理解为用于对待识别手写日期图像进行图像特征提取的网络。日期字迹分类网络可以理解为用于对待识别手写日期图像中的手写日期字迹进行分类并识别的网络。
45.在上述实施例的基础上，所述将所述待识别手写日期图像输入至预先训练完成的手写日期识别模型中，得到对所述待识别手写日期图像的日期识别结果，可以包括：可以将所述待识别手写日期图像输入至所述内容特征提取网络，从而可以得到所述待识别手写日期图像的内容特征。可以将所述待识别手写日期图像输入至所述图像特征提取网络，从而可以得到所述待识别手写日期图像的图像特征。进而可以将所述待识别手写日期图像的内容特征和图像特征进行特征拼接处理，从而可以得到拼接后的特征。在得到所述拼接后的特征后，可以将所述拼接后的特征输入至所述日期字迹分类网络中，从而可以得到对所述
待识别手写日期图像的日期识别结果。
46.在上述实施例的基础上，所述方法还包括：获取样本数据集，其中，所述样本数据集包括已标注手写日期图像、未标注手写日期图像以及与所述已标注手写日期图像对应的风格迁移手写日期图像。进而可以基于所述已标注手写日期图像、所述未标注手写日期图像和所述风格迁移手写日期图像，对初始网络模型进行模型训练，以得到所述手写日期识别模型。
47.其中，已标注手写日期图像可以是对存在图像噪声的历史文档图像中的手写日期进行标注后得到图像。未标注手写日期图像可以为存在图像噪声且包含有手写日期的历史文档图像。风格迁移手写日期图像可以是对已标注手写日期图像中的手写日期进行风格化处理后得到的图像。其中，初始网络模型可以是预先构建的用于基于已标注手写日期图像、未标注手写日期图像和风格迁移手写日期图像进行训练的模型。
48.在本发明实施例中，使用已标注手写日期图像、未标注手写日期图像和风格迁移手写日期图像，对初始网络模型进行模型训练的目是：通过用标注数据和增强数据一起做有监督训练来获得字迹识别模型，使用数据增强的目的是为了克服图像噪声的干扰，提高日期识别准确率。因此，使用已标注手写日期图像、未标注手写日期图像和风格迁移手写日期图像，对初始网络模型进行模型训练的好处在于能够有效地对手写日期图像中的数字进行定位和识别，从而达到提升手写日期识别准确度的技术效果。
49.在上述实施例的基础上，所述方法还包括：对图像风格迁移模型进行模型训练。在本发明实施例中，使用图像风格迁移模型可学习未标注数据的风格和字迹，然后将标注的数据迁移到新的风格和字迹，从而实现数据增强，从而可以使得标注数据风格化和字迹多样化。
50.在本发明实施例中，对图像风格迁移模型进行模型训练，包括：将所述已标注手写日期图像的内容特征和所述风格迁移手写日期图像的内容特征进行差值计算，得到所述图像风格迁移模型的内容损失函数值；将所述未标注手写日期图像的风格特征和所述风格迁移手写日期图像的风格特征进行差值计算，得到所述图像风格迁移模型的风格损失函数值；将所述未标注手写日期图像的字迹特征和所述风格迁移手写日期图像的字迹特征进行差值计算，得到所述图像风格迁移模型的字迹损失函数值；根据所述内容损失函数值、所述风格损失函数值和所述字迹损失函数值，对所述对图像风格迁移模型的网络参数进行调整，以得到所述图像风格迁移模型。
51.其中，内容损失函数值可以是基于所述已标注手写日期图像的内容特征和所述风格迁移手写日期图像的内容特征的差值得到的。风格损失函数值可以是基于未标注手写日期图像的风格特征和所述风格迁移手写日期图像的风格特征的差值得到的。字迹损失函数值可以是基于所述未标注手写日期图像的字迹特征和所述风格迁移手写日期图像的字迹特征的差值得到的。
52.在本发明实施例中，将所述已标注手写日期图像的内容特征和所述风格迁移手写日期图像的内容特征进行差值计算，得到所述图像风格迁移模型的内容损失函数值，可以包括：确定所述已标注手写日期图像的内容特征和所述风格迁移手写日期图像的内容特征。可以将所述已标注手写日期图像的内容特征和所述风格迁移手写日期图像的内容特征进行差值计算。从而可以得到差值计算结果，即得到所述图像风格迁移模型的内容损失函
数值。
53.在本发明实施例中，将所述未标注手写日期图像的风格特征和所述风格迁移手写日期图像的风格特征进行差值计算，得到所述图像风格迁移模型的风格损失函数值，可以包括：确定所述未标注手写日期图像的风格特征和所述风格迁移手写日期图像的风格特征。进而可以将所述未标注手写日期图像的风格特征和所述风格迁移手写日期图像的风格特征进行差值计算。从而可以得到差值计算结果，即得到所述图像风格迁移模型的风格损失函数值。
54.在本发明实施例中，将所述未标注手写日期图像的字迹特征和所述风格迁移手写日期图像的字迹特征进行差值计算，得到所述图像风格迁移模型的字迹损失函数值，可以包括：确定所述未标注手写日期图像的字迹特征和所述风格迁移手写日期图像的字迹特征。进而可以将所述未标注手写日期图像的字迹特征和所述风格迁移手写日期图像的字迹特征进行差值计算。从而可以得到差值计算结果，即得到所述图像风格迁移模型的字迹损失函数值。
55.需要说明的是，图像风格迁移模型包括内容损失函数、风格损失函数和字迹损失函数。其中，内容损失函数可以用于确定所述已标注手写日期图像的内容特征和所述风格迁移手写日期图像的内容特征的差值，即内容损失函数值。风格损失函数可以用于确定所述未标注手写日期图像的风格特征和所述风格迁移手写日期图像的风格特征的差值，即风格损失函数值。字迹损失函数可以用于确定所述未标注手写日期图像的字迹特征和所述风格迁移手写日期图像的字迹特征的差值，即字迹损失函数值。
56.还需要说明的是，在对所述对图像风格迁移模型的网络参数进行调整的过程中，在内容损失函数、风格损失函数以及字迹损失函数均收敛的情况下，可以结束对网络参数的调整，从而可以得到训练完成的图像风格迁移模型。这样做的好处在于通过使用内容损失函数、风格损失函数与字迹损失函数进行对抗训练，从而可以获得具有模糊、扭曲以及光照等字迹情况多样性的手写日期图像数据。
57.在上述实施例的基础上，其中，图像风格迁移模型可以理解为用于学习手写日期图像中的手写日期字迹，并对手写日期图像中的手写日期的字迹进行风格化处理的模型。在本发明实施例中，得到风格迁移手写日期图像的具体方式，可以包括：将所述已标注手写日期图像和所述未标注手写日期图像输入至预先训练完成的图像风格迁移模型中，从而可以得到与所述已标注手写日期图像对应的风格迁移手写日期图像。
58.在本发明实施例中，将所述已标注手写日期图像和所述未标注手写日期图像输入至预先构建的图像风格迁移模型中，可以对未标注手写日期图像中的手写日期的字迹特征进行学习，并将学习到的字迹特征应用于已标注手写日期图像中的手写日期，从而达到样本数据增强的技术效果。
59.可选地，所述图像风格迁移模型包括内容编码器、风格编码器、字迹编码器和解码器；其中，内容编码器可以理解为用于对已标注手写日期图像进行内容特征提取的编码器。风格编码器可以理解为用于对未标注手写日期图像进行风格特征提取的编码器。字迹编码器可以理解为用于对未标注手写日期图像进行字迹特征提取的编码器。解码器可以用于生成已标注手写日期图像对应的风格迁移手写日期图像。
60.在此基础上，所述将所述已标注手写日期图像和所述未标注手写日期图像输入至
预先训练完成的图像风格迁移模型中，得到与所述已标注手写日期图像对应的风格迁移手写日期图像，可以包括：可以将所述已标注手写日期图像输入至所述内容编码器，从而可以得到所述已标注手写日期图像的内容特征。可以将所述未标注手写日期图像输入至所述风格编码器，从而可以得到所述未标注手写日期图像的风格特征。可以将所述未标注手写日期图像输入至所述字迹编码器，从而可以得到所述未标注手写日期图像的字迹特征。进而可以将所述已标注手写日期图像的内容特征、所述未标注手写日期图像的风格特征、所述未标注手写日期图像的字迹特征进行特征拼接处理。从而可以得到拼接后的特征。在得到拼接后的特征后，可以将所述拼接后的特征输入至所述解码器，从而可以生成风格迁移手写日期图像。
61.在本发明实施例中，所述字迹编码器为训练完成的字迹分类模型，字迹分类模型的网络可以为vgg分类网络。在上述实施例的基础上，所述样本数据集包括与所述已标注手写日期图像对应的期望字迹分类结果；在本发明实施例中，手写日期字迹分类模型的具体训练方式，可以包括：将所述已标注手写日期图像输入至预先构建的字迹分类模型中，得到所述已标注手写日期图像的实际字迹分类结果；将实际字迹分类结果和所述已标注手写日期图像的期望字迹分类结果进行比较，得到已构建的字迹分类模型的分类损失函数值；基于所述分类损失函数值，对所述预先构建的字迹分类模型的模型参数进行调整，以得到训练完成的手写日期字迹分类模型。
62.其中，实际字迹分类结果可以是对将所述已标注手写日期图像输入至预先构建的字迹分类模型后得到的模型输出结果。在本发明实施例中，将所述已标注手写日期图像输入至预先构建的字迹分类模型中，得到所述已标注手写日期图像的实际字迹分类结果，可以包括：将所述已标注手写日期图像输入至预先构建的字迹分类模型中，得到所述已标注手写日期图像的字迹特征，基于所述已标注手写日期图像的字迹特征，确定所述已标注手写日期图像的实际字迹分类结果。可选的，所述期望字迹分类结果可以为已标注手写日期图像中手写日期的期望字迹类别。
63.在本发明实施例中，字迹编码器可以是经过手写日期字迹分类模型预训练获得。手写日期字迹分类模块：使用vgg分类网络提取手写日期图像特征，通过字迹分类损失函数训练，指导vgg分类网络学习手写日期图像的字迹特征，实现对不同字迹的手写提取图像的准确分类。预训练完成后，可以确定字迹编码器获得提取字迹特征的能力。
64.本发明实施例的技术方案，通过获取待识别手写日期图像，其中，所述待识别手写日期图像包含图像噪声；将所述待识别手写日期图像输入至预先训练完成的手写日期识别模型中，得到对所述待识别手写日期图像的日期识别结果。本发明实施例的技术方案，解决了现有技术针对包含有图像噪声的待识别手写日期图像的手写日期识别存在准确度较低的技术问题，实现了能够较为准确的对包含有图像噪声的待识别手写日期图像中手写日期的识别，从而达到提升手写日期识别的准确度。
65.实施例二
66.图2本发明实施例二提供的一种图像识别装置的结构示意图。如图2示，该装置包括：图像获取模块210和日期识别模块220。
67.其中，图像获取模块210，用于获取待识别手写日期图像，其中，所述待识别手写日期图像包含图像噪声；日期识别模块220，用于将所述待识别手写日期图像输入至预先训练
完成的手写日期识别模型中，得到对所述待识别手写日期图像的日期识别结果。
68.本发明实施例的技术方案，通过图像获取模块获取待识别手写日期图像，其中，所述待识别手写日期图像包含图像噪声。通过日期识别模块将所述待识别手写日期图像输入至预先训练完成的手写日期识别模型中，得到对所述待识别手写日期图像的日期识别结果。本发明实施例的技术方案，解决了现有技术针对包含有图像噪声的待识别手写日期图像的手写日期识别存在准确度较低的技术问题，实现了能够较为准确的对包含有图像噪声的待识别手写日期图像中手写日期的识别，从而达到提升手写日期识别的准确度。
69.可选地，所述手写日期识别模型包括内容特征提取网络、图像特征提取网络和日期字迹分类网络；日期识别模块220，具体用于：
70.将所述待识别手写日期图像输入至所述内容特征提取网络，得到所述待识别手写日期图像的内容特征；
71.将所述待识别手写日期图像输入至所述图像特征提取网络，得到所述待识别手写日期图像的图像特征；
72.将所述待识别手写日期图像的内容特征和图像特征进行特征拼接处理，得到拼接后的特征；
73.将所述拼接后的特征输入至所述日期字迹分类网络，得到对所述待识别手写日期图像的日期识别结果。
74.可选地，该装置还包括模型训练模块，其中，模型训练模块，用于：
75.获取样本数据集，其中，所述样本数据集包括已标注手写日期图像、未标注手写日期图像以及与所述已标注手写日期图像对应的风格迁移手写日期图像；
76.基于所述已标注手写日期图像、所述未标注手写日期图像和所述风格迁移手写日期图像，对初始网络模型进行模型训练，以得到所述手写日期识别模型。
77.可选地，该装置还包括风格迁移手写日期图像得到模块，其中，风格迁移手写日期图像得到模块，用于：
78.将所述已标注手写日期图像和所述未标注手写日期图像输入至预先训练完成的图像风格迁移模型中，得到与所述已标注手写日期图像对应的风格迁移手写日期图像。
79.可选地，该装置还包括图像风格迁移模型训练模块；其中，图像风格迁移模型训练模块，用于：
80.将所述已标注手写日期图像的内容特征和所述风格迁移手写日期图像的内容特征进行差值计算，得到所述图像风格迁移模型的内容损失函数值；
81.将所述未标注手写日期图像的风格特征和所述风格迁移手写日期图像的风格特征进行差值计算，得到所述图像风格迁移模型的风格损失函数值；
82.将所述未标注手写日期图像的字迹特征和所述风格迁移手写日期图像的字迹特征进行差值计算，得到所述图像风格迁移模型的字迹损失函数值；
83.根据所述内容损失函数值、所述风格损失函数值和所述字迹损失函数值，对所述对图像风格迁移模型的网络参数进行调整，以得到所述图像风格迁移模型。
84.可选地，所述图像风格迁移模型包括内容编码器、风格编码器、字迹编码器和解码器；风格迁移手写日期图像得到模块，用于：
85.将所述已标注手写日期图像输入至所述内容编码器，得到所述已标注手写日期图
像的内容特征；
86.将所述未标注手写日期图像输入至所述风格编码器，得到所述未标注手写日期图像的风格特征；
87.将所述未标注手写日期图像输入至所述字迹编码器，得到所述未标注手写日期图像的字迹特征；
88.将所述已标注手写日期图像的内容特征、所述未标注手写日期图像的风格特征、所述未标注手写日期图像的字迹特征进行特征拼接处理，得到拼接后的特征，将所述拼接后的特征输入至所述解码器，生成风格迁移手写日期图像。
89.可选地，所述字迹编码器为训练完成的手写日期字迹分类模型。该装置还包括手写日期字迹分类模型训练模块，用于：
90.将所述已标注手写日期图像输入至预先构建的字迹分类模型中，得到所述已标注手写日期图像的实际字迹分类结果；
91.将实际字迹分类结果和所述已标注手写日期图像的期望字迹分类结果进行比较，得到已构建的字迹分类模型的分类损失函数值；
92.基于所述分类损失函数值，对所述预先构建的字迹分类模型的模型参数进行调整，以得到训练完成的手写日期字迹分类模型。
93.本发明实施例所提供的图像识别装置可执行本发明任意实施例所提供的图像识别方法，具备执行方法相应的功能模块和有益效果。
94.值得注意的是，上述图像识别装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明实施例的保护范围。
95.实施例三
96.图3示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
97.如图3所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计算机程序或者从存储单元18加载到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。输入/输出(i/o)接口15也连接至总线14。
98.电子设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
99.处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11
的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如图像识别方法。
100.在一些实施例中，图像识别方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到ram 13并由处理器11执行时，可以执行上文描述的图像识别方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像识别方法。
101.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
102.用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
103.在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
104.为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
105.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算
系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
106.计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
107.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
108.上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

技术特征：
1.一种图像识别方法，其特征在于，包括：获取待识别手写日期图像，其中，所述待识别手写日期图像包含图像噪声；将所述待识别手写日期图像输入至预先训练完成的手写日期识别模型中，得到对所述待识别手写日期图像的日期识别结果。2.根据权利要求1所述的方法，其特征在于，所述手写日期识别模型包括内容特征提取网络、图像特征提取网络和日期字迹分类网络；所述将所述待识别手写日期图像输入至预先训练完成的手写日期识别模型中，得到对所述待识别手写日期图像的日期识别结果，包括：将所述待识别手写日期图像输入至所述内容特征提取网络，得到所述待识别手写日期图像的内容特征；将所述待识别手写日期图像输入至所述图像特征提取网络，得到所述待识别手写日期图像的图像特征；将所述待识别手写日期图像的内容特征和图像特征进行特征拼接处理，得到拼接后的特征；将所述拼接后的特征输入至所述日期字迹分类网络，得到对所述待识别手写日期图像的日期识别结果。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：获取样本数据集，其中，所述样本数据集包括已标注手写日期图像、未标注手写日期图像以及与所述已标注手写日期图像对应的风格迁移手写日期图像；基于所述已标注手写日期图像和所述风格迁移手写日期图像，对初始网络模型进行模型训练，以得到所述手写日期识别模型。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：将所述已标注手写日期图像和所述未标注手写日期图像输入至预先训练完成的图像风格迁移模型中，得到与所述已标注手写日期图像对应的风格迁移手写日期图像。5.根据权利要求4所述的方法，其特征在于，对图像风格迁移模型进行模型训练，包括：将所述已标注手写日期图像的内容特征和所述风格迁移手写日期图像的内容特征进行差值计算，得到所述图像风格迁移模型的内容损失函数值；将所述未标注手写日期图像的风格特征和所述风格迁移手写日期图像的风格特征进行差值计算，得到所述图像风格迁移模型的风格损失函数值；将所述未标注手写日期图像的字迹特征和所述风格迁移手写日期图像的字迹特征进行差值计算，得到所述图像风格迁移模型的字迹损失函数值；根据所述内容损失函数值、所述风格损失函数值和所述字迹损失函数值，对所述对图像风格迁移模型的网络参数进行调整，以得到所述图像风格迁移模型。6.根据权利要求4的方法，其特征在于，所述图像风格迁移模型包括内容编码器、风格编码器、字迹编码器和解码器；所述将所述已标注手写日期图像和所述未标注手写日期图像输入至预先训练完成的图像风格迁移模型中，得到与所述已标注手写日期图像对应的风格迁移手写日期图像，包括：将所述已标注手写日期图像输入至所述内容编码器，得到所述已标注手写日期图像的内容特征；
将所述未标注手写日期图像输入至所述风格编码器，得到所述未标注手写日期图像的风格特征；将所述未标注手写日期图像输入至所述字迹编码器，得到所述未标注手写日期图像的字迹特征；将所述已标注手写日期图像的内容特征、所述未标注手写日期图像的风格特征、所述未标注手写日期图像的字迹特征进行特征拼接处理，得到拼接后的特征，将所述拼接后的特征输入至所述解码器，生成风格迁移手写日期图像。7.根据权利要求6所述的方法，其特征在于，所述字迹编码器为训练完成的手写日期字迹分类模型，所述方法还包括：对所述手写日期字迹分类模型进行训练，包括：将所述已标注手写日期图像输入至预先构建的字迹分类模型中，得到所述已标注手写日期图像的实际字迹分类结果；将实际字迹分类结果和所述已标注手写日期图像的期望字迹分类结果进行比较，得到已构建的字迹分类模型的分类损失函数值；基于所述分类损失函数值，对所述预先构建的字迹分类模型的模型参数进行调整，以得到训练完成的手写日期字迹分类模型。8.一种图像识别装置，其特征在于，包括：图像获取模块，用于获取待识别手写日期图像，其中，所述待识别手写日期图像包含图像噪声；日期识别模块，用于将所述待识别手写日期图像输入至预先训练完成的手写日期识别模型中，得到对所述待识别手写日期图像的日期识别结果。9.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的图像识别方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的图像识别方法。

技术总结
本发明实施例公开了一种图像识别方法、装置、电子设备及存储介质。所述方法包括：获取待识别手写日期图像，其中，所述待识别手写日期图像包含图像噪声；将所述待识别手写日期图像输入至预先训练完成的手写日期识别模型中，得到对所述待识别手写日期图像的日期识别结果。本发明实施例的技术方案，解决了现有技术针对包含有图像噪声的待识别手写日期图像的手写日期识别存在准确度较低的技术问题，实现了能够较为准确的对包含有图像噪声的待识别手写日期图像中手写日期的识别，从而达到提升手写日期识别的准确度。日期识别的准确度。日期识别的准确度。


技术研发人员：邵向潮 陈国华 李惠仪 肖雪丽 廖常辉 冷颖雄 谢洁 周彦吉 叶海珍 邓茵 刘贯科 钟荣富 戴喜良
受保护的技术使用者：广东电网有限责任公司东莞供电局
技术研发日：2023.05.10
技术公布日：2023/10/15