基于AlexNet的多光照条件下多类别法定货币识别技术

文档名：基于AlexNet的多光照条件下多类别法定货币识别技术
法定货币在不同光照条件下具有显著不同的局部特征,可以采用深度学习方法对不同光照条件下多类别法定货币图像进行特征提取与图像识别,因此,本文提出基于AlexNet的多光照条件下多类别法定货币识别技术.首先,分析自然光照与紫外光照条件下法定货币图像特征,指出不同光照条件下法定货币呈现不同的面额、图案等特征;其次,分析AlexNet神经网络模型与识别机理;最后,提出面向法定货币识别任务的AlexNet迁移学习方法并在30类别的不同光照不同币种的图像样本库上进行图像识别实验,货币图像识别准确率达到100％,与传统的货币图像识别方法相比,减少人工提取图像特征的繁复过程,并能准确区分货币币种、光照条件、面额与正反面货币图像.
作者：刘思洋 黄坚 刘桂雄 罗文佳
作者单位：华南理工大学机械与汽车工程学院,广东广州510640广州市银科电子有限公司广东广州510663
母体文献：2018粤港澳大湾区智能检测与协同创新青年论坛论文集
会议名称：2018粤港澳大湾区智能检测与协同创新青年论坛  
会议时间：2018年8月1日
会议地点：广州
主办单位：中国仪器仪表学会
语种：chi
分类号：S16TP1
关键词：法定货币  图像识别  深度学习  特征提取
在线出版日期：2021年12月15日
基金项目：
相似文献
相关博文

2024-12-10 13:20 上传 基于AlexNet的多光照条件下多类别法定货币识别技术.pdf

文件大小:

1.81 MB

下载次数:

60

高速下载