申请/专利权人：西北工业大学;中国医学科学院阜外医院

申请日：2022-02-15

公开（公告）日：2024-02-27

公开（公告）号：CN114519787B

主分类号：G06V10/20

分类号：G06V10/20;G06V10/26;G06V10/75;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.02.27#授权;2022.11.01#专利申请权的转移;2022.06.07#实质审查的生效;2022.05.20#公开

摘要：本发明提供了一种智能字迹评价系统的深度特征可视化的解释方法。包括：获取字迹图像数据，利用智能字迹评价系统进行评分；以预处理后的字迹图像作为样本，以评分作为其标签，输入到深度学习卷积神经网络进行训练，得到训练好的网络；对新的字迹图像数据进行预处理并输入到训练好的网络；从网络的最后一层全连接层前提取得到字迹质量的深度特征图，通过CAM方法生成特征图的热图，将生成的热图映射到预处理后的字迹图像上，形成深度特征可视化的图像。能够直观清晰地得到对于字迹评分起决定性作用的局部特征，清楚地解释字迹评价系统所学到的质量特征与输入图像之间的关系，从而说明智能字迹评价系统对字迹进行评分的合理性。

主权项：1.一种智能字迹评价系统的深度特征可视化的解释方法，其特征在于步骤如下：S1：获取字迹图像数据：利用标准的田字格获取原始用户字迹数据；利用图像采集设备对原始用户字迹数据进行处理，得到字迹图像数据；利用智能字迹评价系统对原始用户字迹进行评分；S2：字迹图像数据预处理：对字迹图像数据沿田字格进行边缘分割，得到若干单个字迹图像，将单个字迹图像均转换为灰度图像，进行归一化处理，调整为预设的大小，完成字迹图像数据预处理；S3：模型训练：以预处理后得到的字迹图像作为样本数据，并以评分作为其标签，将样本数据及其标签输入到深度学习卷积神经网络，对网络进行训练，得到训练好的网络，网络的输入为字迹图像，输出为其预测评分；S4：评分：获取新的字迹图像数据；对新的字迹图像数据按照步骤S2进行预处理，并将预处理后的字迹图像输入到步骤S3得到的训练好的网络，得到其预测评分；S5：可视化：从网络最后一层全连接层前提取得到网络学习到的字迹质量特征图像，通过CAM方法生成特征图像的热图，将生成的热图映射到预处理后的字迹图像数据上，得到深度特征可视化的图像，包含网络对每个字进行评分时关注的关键特征，从而形成对智能字迹评分系统的可视化解释。

全文数据：

权利要求：

百度查询： 西北工业大学;中国医学科学院阜外医院 智能字迹评价系统的深度特征可视化的解释方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD