-
题名基于卷积神经网络的商品图像识别系统设计
被引量:8
- 1
-
-
作者
蒋达央
-
机构
常州信息职业技术学院
-
出处
《北京工业职业技术学院学报》
2021年第3期28-31,共4页
-
文摘
随着在线购物、自助结算等新零售商业模式的发展,运营终端对商品智能识别和结算的需求越来越高。人工智能在突破硬件限制以后得到突破性发展,其所用的卷积神经网络技术能很好地支撑商品图像识别应用。对卷积神经网络的系统架构和模型进行改进,尤其是对耗时较长的训练学习模型进行优化设计。经实际测试:该设计能有效提高商品图像识别系统计算的速度和识别准确性,满足社会在智能化商务运营中高效结算的业务需求。
-
关键词
卷积神经网络
商品图像识别
系统设计
图像处理
-
Keywords
convolution neural network
commodity image recognition
system design
image processing
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名改进多级网络的商品图像识别及鲁棒性研究
被引量:1
- 2
-
-
作者
陈瑞
汪美玲
-
机构
西安邮电大学通信与信息工程学院
-
出处
《西安邮电大学学报》
2020年第2期23-28,共6页
-
基金
陕西省自然科学基础研究计划项目(2019JM-605)
陕西省教育厅专项科研计划项目(18JK0690)
陕西省教育厅专项科研计划项目(18JK0704)。
-
文摘
针对商品图像识别中,前期训练阶段样本过多导致训练时间增加以及随着样本丢失率的增加,多级卷积神经网络鲁棒性表现较差的问题,提出一种基于改进多级卷积神经网络的商品图像识别算法。在原激活函数基础上增加线性系数,改进网络中的激活函数,通过优化网络参数控制网络规模;自建包含5万幅不同商品的样本集,搭建商品图像识别平台,依据丢失训练思想对网络进行训练,从而实现商品图像识别。实验结果表明,该算法对商品图像识别精度高,具有良好的鲁棒性。
-
关键词
多级卷积神经网络
样本丢失率
商品图像识别
鲁棒性
-
Keywords
multi-scale convolution neural network
sample loss rate
commodity image recognition
robustness
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-