基于改进YOLOv5算法的票据检测

在票据全流程识别过程中,针对不同类型票据的目标检测是关键步骤,为实现日常报销过程中不同种类票据快速检测其类型和位置,文章提出一种基于改进YOLOv5算法的票据检测方法。对于原始数据集进行预处理,模拟票据检测中可能出现的干扰信息,提高训练模型的性能;利用CSPDarkNet53网络进行特征提取,采用基于重合面积、中心点距离、长宽比和角度4个几何参数的SIoU目标位置损失函数,对原损失函数进行改进,提升YOLOv5票据检测的精度,构建票据检测方法。最后通过自建实际拍摄的票据数据集来验证基于改进YOLOv5算法的票据检测的有效性。结果表明,该方法拥有较高的平均精度均值(99.20%)和检测速度(51帧/s),可以满足实际应用场景的要求。