基于深度学习的银行卡号识别系统

来源 :网络安全技术与应用 | 被引量 : 6次 | 上传用户:applechenli
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在银行卡号识别系统中,主要包括数据集处理、银行卡卡号定位检测、图像预处理与字符分割、神经网络训练与字符识别以及GUI界面设计这五个部分。本文提出基于深度学习的银行卡识别系统。该系统主要分为两个部分:卡号定位和字符识别。首先基于深度学习利用CNN对银行卡图像进行卡号文本特征提取,初步定位银行卡卡号区域;然后进行图像预处理以及字符分割;接着进行神经网络的训练以及字符的识别,此过程利用OCR进行文本识别;最终通过GUI提供良好的用户交互界面。此系统具有较高的定位率及较高的识别速度,能对各种银行卡进行定位,
其他文献
图像篡改的被动检测技术通过提取图像的特征从而判断图像是否被篡改。本文针对JPEG双压缩图像前后DCT系数分布的特性,得到代表图像特征的系数矩阵,然后作为深度学习网络的输入端,最后提取图像特征进行篡改取证。结果表明,该方法对JPEG二次压缩的篡改图像的取证准确率可达95%以上。
面对大数据时代恶意代码飞速增长的现状,提出了一种基于DQN的恶意代码检测分类方法。该方法将恶意代码反汇编文件可视化为灰度图像,建立基于DQN的恶意代码分类模型对恶意代码灰度图像进行分类。该方法结合了强化学习的试错机制和动作优化策略,以及深度学习对图像深层特征的挖掘,实现了对恶意代码的识别。实验结果表明,该方法相对其他分类方法而言,具有更高分类准确率。