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！

龙图腾网恭喜山东第一医科大学附属肿瘤医院(山东省肿瘤防治研究院、山东省肿瘤医院)申请的专利基于超轻量级特征压缩的财务凭证处理方法及系统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：CN119251850B 。

龙图腾网通过国家知识产权局官网在2025-03-25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：202411783343.X，技术领域涉及：G06V30/19；该发明授权基于超轻量级特征压缩的财务凭证处理方法及系统是由潘立才;张新斌;陈瑶瑶;张杰;张姗姗;赵金栋;张玲玉;李春苗设计研发完成，并于2024-12-06向国家知识产权局提交的专利申请。

本基于超轻量级特征压缩的财务凭证处理方法及系统在说明书摘要公布了：本发明涉及一种基于超轻量级特征压缩的财务凭证处理方法及系统，属于财务人工智能领域。其包括以下步骤：收集财务凭证图像及文本信息，构建Mini‑Fin数据集，并划分为训练集和测试集；对训练集的图像数据使用HSV亮度增强方法进行数据预处理，得到财务图像数据；构建基于超轻量级特征压缩的财务凭证处理模型，所述模型包括全局轻量特征提取器、局部轻量特征提取器、压缩感知机、注意力模块、分类器以及文本提取器；将财务图像数据输入到模型中进行训练；通过分类损失函数和文本损失函数对模型进行优化，得到训练好的模型；测试集中待检测的财务凭证图像输入到训练好的模型中，得到财务凭证处理结果。本发明能够提高处理大规模财务数据的效率。

本发明授权基于超轻量级特征压缩的财务凭证处理方法及系统在权利要求书中公布了：1.一种基于超轻量级特征压缩的财务凭证处理方法，其特征在于，包括以下步骤：S1.收集财务凭证图像及文本信息，构建Mini-Fin数据集，并划分为训练集和测试集；S2.对训练集的图像数据使用HSV亮度增强方法进行数据预处理，得到财务图像数据；S3.构建基于超轻量级特征压缩的财务凭证处理模型，所述模型包括全局轻量特征提取器、局部轻量特征提取器、压缩感知机、注意力模块、分类器以及文本提取器；所述财务图像数据输入到所述模型中，对模型进行训练；全局轻量特征提取器具体为：所述全局轻量特征提取器包括第一卷积层、ReLU激活函数、平均池化层、宽度最大计算层、宽度平均计算层、高度平均计算层、高度最大计算层、第二卷积层、第三卷积层、softmax函数、第四卷积层、ReLU激活函数、最大池化层；宽度最大计算层计算当前特征图按宽度维度方向上每个列向量的最大值；宽度平均计算层计算当前特征图按宽度维度方向上每个列向量的平均值；高度平均计算层计算当前特征图按高度维度方向上每个行向量的平均值；高度最大计算层计算当前特征图按高度维度方向上每个行向量的最大值；所述财务图像数据输入到第一卷积层、ReLU激活函数、平均池化层中，得到第一卷积特征；将第一卷积特征输入到宽度最大计算层、宽度平均计算层、高度平均计算层、高度最大计算层中，分别得到宽度最大向量、宽度平均向量、高度平均向量、高度最大向量；将宽度最大向量在维度dim=1的维度方向上使用concat函数与宽度平均向量拼接，得到双层宽度最大向量，将宽度平均向量在维度dim=1的维度方向上使用concat函数与宽度最大向量拼接，得到双层宽度平均向量，将高度最大向量和高度平均向量在通道维度上相加，得到高度向量；将双层宽度最大向量输入到第二卷积层中，得到单层宽度最大向量，将双层宽度平均向量输入到第三卷积层中，得到单层宽度平均向量，将单层宽度最大向量和单层宽度平均向量相乘并输入softmax函数，得到宽度矩阵；将宽度矩阵和高度向量相乘，输入到第四卷积层、ReLU激活函数、最大池化层中，得到全局特征；局部轻量特征提取器具体为：所述局部轻量特征提取器包括第一卷积层、ReLU激活函数、第一池化层、第二卷积层、ReLU激活函数、第二池化层；所述全局特征经过局部轻量特征提取器得到局部特征；压缩感知机具体为：所述压缩感知机包括离散层、霍夫曼编码层、卷积层、ReLU激活函数；将所述全局特征和局部特征相加后输入到压缩感知机中，得到融合特征；S4.通过分类损失函数和文本损失函数对所述模型进行优化，得到训练好的模型；S5.测试集中待检测的财务凭证图像输入到训练好的模型中，得到财务凭证处理结果。

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山东第一医科大学附属肿瘤医院(山东省肿瘤防治研究院、山东省肿瘤医院)，其通讯地址为：250117 山东省济南市槐荫区济兖路440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”。