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！

龙图腾网获悉合肥工业大学申请的专利一种基于样本贡献感知的低资源语言图文识别方法、电子设备及计算机可读储存介质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：CN119942563B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202510104489.5，技术领域涉及：G06V30/19；该发明授权一种基于样本贡献感知的低资源语言图文识别方法、电子设备及计算机可读储存介质是由李永瑞;高骏杰;洪日昌设计研发完成，并于2025-01-23向国家知识产权局提交的专利申请。

本一种基于样本贡献感知的低资源语言图文识别方法、电子设备及计算机可读储存介质在说明书摘要公布了：本发明涉及一种基于样本贡献感知的低资源语言图文识别方法、电子设备及计算机可读储存介质，属于模型训练技术领域，通过获取待识别的低资源语言文本图像集合，并对其中少量的文本图像进行标注；使用带标注的文本图像集合训练文本识别网络；使用多个迭代步骤逐批地从未标注样本中选择贡献度最高的样本组并进行标注；通过弹性权重整合算法使用新标注的样本组对文本识别网络进行增量学习训练，并继续执行迭代，直到标注成本达到限定值；利用训练好的文本图像识别网络对任意输入的文本图像进行识别，输出识别结果。本发明可以在训练集图像标注成本有限的情况下，提升低资源语言图文识别模型的识别准确率。

本发明授权一种基于样本贡献感知的低资源语言图文识别方法、电子设备及计算机可读储存介质在权利要求书中公布了：1.一种基于样本贡献感知的低资源语言图文识别方法，其特征在于，该方法包括以下步骤： S1、获取待识别的低资源语言文本图像，构成训练图像集合 D＝{x1,…,xm,…,xM} 其中，xm表示第m个文本图像， M表示D中文本图像的个数； 对集合D中的少量图像进行识别标签的标注，得到带标注的训练图像集合 其中J表示Dlabel中的图像个数， 表示Dlabel中的第j个文本图像， bj表示第j个文本图像对应的识别结果标签； 剩余的未标注样本构成集合 其中R0表示中的图像个数， 表示中的第r个文本图像， R0＝M-J表示中的图像个数； S2、构建文本图像的识别网络M·，包括：视觉特征抽取模块，Transformer解码模块，损失函数计算模块； 将Dlabel中的每个样本输入M·中，由视觉特征抽取模块抽取视觉特征将输入Transformer解码模块中，得到解码后的字符概率序列预测结果将与bj比对，用于计算损失函数并进行反向传播，更新M·中的参数，得到初始识别网络M0·； 在训练时，通过弹性权重整合算法计算网络中每个参数的Fisher信息矩阵F0； S3、对于i＝[1,...,Imax]，迭代地将中的样本输入识别网络Mi-1·中，计算每个样本在Mi-1·上的不确定度； 结合样本多样性选择中对Mi-1·的训练贡献最大的Ki个样本构成的样本集合 其中Ki为第i步选择的样本个数， Imax为最大迭代次数； 对Ki个样本进行标注后得到集合 其中为Si中的第k个样本； dmax,k为对应的识别结果标签； S4、将Si输入Mi-1·中，依据Fisher信息矩阵Fi-1对网络节点参数设置不同程度的约束，通过弹性权重整合的方式使用增量学习训练Mi-1·，得到第i步训练后的网络Mi·，并计算第i步的Fisher信息矩阵Fi； 将S'i中存在的样本从移除后，得到剩余的未标注样本集合计算第i步的标注成本 Ci＝Ci-1+c·Ki 其中，c为标注一个样本的成本； 若，Ci+cCmax， 则停止迭代，返回Mi·，否则执行下一次迭代； 执行下一次迭代时， 若Ci+c·KiCmax， 则令 否则令Ki+1＝Ki， 其中，Cmax表示最大标注成本； S5、当迭代停止后，使用训练好的文本图像模型对任意输入的文本图像X进行预测，从而得到X的识别结果。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。