一种档案信息化归档的图像识别方法和装置

本技术涉及档案信息化归档的，具体涉及一种档案信息化归档的图像识别方法和装置。

背景技术：

1、档案信息化归档指应用现代信息技术，对档案信息资源进行采集、整合、维护、处置和提供利用服务的全过程，标志着档案管理模式从实体保管向数字化信息服务的战略转型。其中，档案信息化归档还会涉及企业的纸质档案原件，在现有技术中，会通过对纸质档案原件进行扫描或拍照，获取对应的图像数据，然后再通过手写内容识别模型进行识别以转换为电子档案，或者提取其中的关键内容作为索引依据，进而实现档案的自动化分类、检索与管理。

2、然而，在高校专业教学、产教融合实践以及岭南文化研究工作中，长期存在大量纸质档案与文献资料需要整理、归档、数字化与长期保存。这些档案形式多样，既有印刷字体的标准档案，也有大量字迹风格各异、笔画连写严重、纸张老化褪色的手写笔记、批改批注、草稿涂鸦等非标准化的手写内容。而现有技术采用的识别模型只能用于准确识别印刷字体的内容，无法准确识别手写内容，因此，现有的档案信息化归档无法准确对包含手写内容的档案进行有效识别与归档。

技术实现思路

1、本技术的目的在于克服现有技术中的缺点与不足，提供一种档案信息化归档的图像识别方法和装置，可以对手写内容进行针对性识别，从而显著提升手写内容识别的准确率与效率，进而提高档案信息化归档的整体质量。

2、本技术实施例的第一方面提供了一种档案信息化归档的图像识别方法，包括：

3、对多个手写内容的图像样本进行聚类分析，得到多个分类簇；

4、将多个手写内容的图像样本输入至多个轻量化手写内容识别模型，获取各个轻量化手写内容识别模型输出的手写内容识别结果样本，以及各个轻量化手写内容识别模型对应各个分类簇的准确性评分；

5、对待处理档案的目标图像进行图像识别，得到所述目标图像的印刷体文字内容结果以及多个手写内容的区域图像；

6、对所述多个手写内容的区域图像进行聚类分析，确定各个所述区域图像所属的目标分类簇；其中，所述目标分类簇为所述多个分类簇中的一个；

7、根据所述目标分类簇对应的准确性评分，从所述多个轻量化手写内容识别模型中选取所述区域图像的目标识别模型；

8、将各个所述区域图像输入至对应的目标识别模型进行手写内容识别，得到各个区域图像的手写内容识别结果；

9、根据所述印刷体文字内容结果和所述手写内容识别结果，获取所述待处理档案的电子归档内容。

10、作为一种实施方式，根据所述目标分类簇对应的准确性评分，从所述多个轻量化手写内容识别模型中选取所述区域图像的目标识别模型的步骤，包括：

11、将所述目标分类簇对应的最高准确性评分的轻量化手写内容识别模型的任务队列；

12、若所述任务队列的排队任务数量小于或等于预设数量阈值，将最高准确性评分的轻量化手写内容识别模型确定为所述目标识别模型；

13、若所述任务队列的排队任务数量大于所述预设数量阈值，发出分配请求至已训练的智能体模型，得到所述智能体模型选中的所述目标识别模型。

14、作为一种实施方式，所述智能体模型包括策略网络和价值网络；所述智能体模型通过以下步骤训练得到：

15、根据多个手写内容的图像样本，生成多个样本分配请求，并连续且随机地发送至初始化的智能体模型；

16、接收到样本分配请求时，通过所述策略网络根据当前环境状态执行模型选择动作，从各个轻量化手写内容识别模型中，选择一个样本识别模型，并更新环境状态；其中，当前环境状态包括各个轻量化手写内容识别模型的当前任务队列，以及与各个分类簇对应的准确性评分；

17、根据环境状态，获取所述模型选择动作的瞬时奖励；

18、通过所述价值网络获取所述选择动作的预估期望值；

19、将各个分配请求样本对应的环境状态、模型选择动作、瞬时奖励和预估期望值作为训练样本存储到经验池；

20、根据所述经验池存储的训练样本更新所述价值网络和所述策略网络的网络参数，得到所述智能体模型。

21、作为一种实施方式，根据环境状态，获取所述模型选择动作的瞬时奖励的步骤，包括：

22、从当前环境状态中，获取所述样本识别模型对于接收到的样本分配请求对应的图像样本所属分类簇的样本准确性评分；

23、若所述样本准确性评分小于预设评分阈值，确定所述瞬时奖励为负奖励；

24、若所述样本准确性评分大于或等于所述预设评分阈值，根据所述样本识别模型的当前任务队列和所述样本准确性评分，获取所述模型选择动作的瞬时奖励。

25、作为一种实施方式，根据所述样本识别模型的当前任务队列和所述样本准确性评分，获取所述模型选择动作的瞬时奖励的步骤，包括：

26、通过以下公式，得到所述瞬时奖励：

27、；

28、其中，为瞬时奖励，为所述样本识别模型的当前任务队列的任务数量，为任务调整系数，为所述样本准确性评分，为所述预设评分阈值。

29、作为一种实施方式，根据所述经验池存储的训练样本更新所述价值网络和所述策略网络的网络参数，得到所述智能体模型的步骤，包括：

30、根据所述训练样本的瞬时奖励和预估期望值，获取优势函数；

31、根据所述优势函数，更新所述价值网络和所述策略网络的网络参数。

32、作为一种实施方式，根据所述训练样本的瞬时奖励和预估期望值，获取优势函数的步骤，包括：

33、通过以下公式，得到所述优势函数：

34、；

35、其中，为所述优势函数，为环境状态，为模型选择动作，为策略网络的网络参数，为价值网络的网络参数，为训练样本的数量，为折扣因子，为对应的训练样本的瞬时奖励，为所述预估期望值。

36、作为一种实施方式，根据所述优势函数，更新所述价值网络和所述策略网络的网络参数的步骤，包括：

37、通过以下公式，更新所述价值网络的网络参数：

38、；

39、其中，为更新后的所述价值网络的网络参数，为更新前的所述价值网络的网络参数，为所述价值网络的学习率，为训练样本的数量，为偏导数，为所述优势函数。

40、作为一种实施方式，根据所述优势函数，更新所述价值网络和所述策略网络的网络参数的步骤，包括：

41、通过以下公式，更新所述策略网络的网络参数：

42、；

43、其中，为更新后的所述策略网络的网络参数，为更新前的所述策略网络的网络参数，为训练样本的数量，为劈形算符，为所述策略网络的输出，为所述优势函数，为熵正则化项的强度系数，为策略分布的熵。

44、相对于相关技术，本技术的档案信息化归档的图像识别方法，通过对待处理档案的目标图像进行图像识别，得到所述目标图像的印刷体文字内容结果以及多个手写内容的区域图像后，再对所述多个手写内容的区域图像进行聚类分析，确定各个所述区域图像所属的目标分类簇，然后根据所述目标分类簇对应的准确性评分，从所述多个轻量化手写内容识别模型中选取所述区域图像的目标识别模型；再将各个所述区域图像输入至对应的目标识别模型进行手写内容识别，得到各个区域图像的手写内容识别结果，最后根据所述印刷体文字内容结果和所述手写内容识别结果，获取所述待处理档案的电子归档内容，可以对手写内容进行针对性识别，从而显著提升手写内容识别的准确率与效率，进而提高档案信息化归档的整体质量。

45、本技术实施例的第二方面提供了一种档案信息化归档的图像识别装置，包括：

46、聚类分析模块，用于对多个手写内容的图像样本进行聚类分析，得到多个分类簇；

47、准确性评分获取模块，用于将多个手写内容的图像样本输入至多个轻量化手写内容识别模型，获取各个轻量化手写内容识别模型输出的手写内容识别结果样本，以及各个轻量化手写内容识别模型对应各个分类簇的准确性评分；

48、图像识别模块，用于对待处理档案的目标图像进行图像识别，得到所述目标图像的印刷体文字内容结果以及多个手写内容的区域图像；

49、目标分类簇获取模块，用于对所述多个手写内容的区域图像进行聚类分析，确定各个所述区域图像所属的目标分类簇；其中，所述目标分类簇为所述多个分类簇中的一个；

50、目标识别模型获取模块，用于根据所述目标分类簇对应的准确性评分，从所述多个轻量化手写内容识别模型中选取所述区域图像的目标识别模型；

51、手写内容识别模块，用于将各个所述区域图像输入至对应的目标识别模型进行手写内容识别，得到各个区域图像的手写内容识别结果；

52、电子归档内容获取模块，用于根据所述印刷体文字内容结果和所述手写内容识别结果，获取所述待处理档案的电子归档内容。

53、相对于相关技术，本技术的档案信息化归档的图像识别装置，通过对待处理档案的目标图像进行图像识别，得到所述目标图像的印刷体文字内容结果以及多个手写内容的区域图像后，再对所述多个手写内容的区域图像进行聚类分析，确定各个所述区域图像所属的目标分类簇，然后根据所述目标分类簇对应的准确性评分，从所述多个轻量化手写内容识别模型中选取所述区域图像的目标识别模型；再将各个所述区域图像输入至对应的目标识别模型进行手写内容识别，得到各个区域图像的手写内容识别结果，最后根据所述印刷体文字内容结果和所述手写内容识别结果，获取所述待处理档案的电子归档内容，可以对手写内容进行针对性识别，从而显著提升手写内容识别的准确率与效率，进而提高档案信息化归档的整体质量。

54、为了能更清晰地理解本技术，以下将结合附图说明阐述本技术的具体实施方式。