摘要：对票据进行高速、准确的分类是实现票据自动处理的关键。论文分析了各种票据分类方法的优缺点,并根据金融、税务等行业所使用的票据特点,提出基于多特征融合的快速分类方法,可以将票据的几何尺寸、分类条码、标题、特征字符串、特征图像块、特征框线等特征有机地融合并进行分类,提高了票据分类的速度与准确性。利用该技术设计的银行票据处理系统的实际应用说明了该方法的有效性。

摘要：信息时代,票据给人们的生活带来了极大的便利。但是,输入票据的过程较耗时,大量的票据会给财务人员带来一定的工作压力。幸运的是,大数据分析和深度学习技术的发展,使得通过一个基于深度学习的票据内容识别技术方案简化这一过程成为可能。这个方案涉及3个阶段。第一阶段,使用ResNet分类拍摄的票据图像。第二阶段,对特定的票据进行文本定位和识别。在文本检测阶段,DBNet被用来检测和定位票据中的细粒度文本。第三阶段,通过文本序列识别(Convolutional Recurrent Neural Network,CRNN)实现文本识别任务。基于深度学习的票据识别系统比人工识别的识别速度更快,准确率更高。