基于孪生卷积神经网络的手机型号识别方法

针对废旧手机回收过程中型号难以精确识别的问题,提出一种基于孪生卷积神经网络的废旧手机型号识别方法.首先,利用基于最大类间差分的边缘检测算法解析手机图像的区域特征,构建手机型号识别数据库;其次,构造一种共享权值孪生卷积网络(siamese convolutional neural network,S-CNN)的手机识别模型,实现废旧手机图像特征的快速提取;最后,设计一种自适应学习率的识别模型参数更新策略,提高手机型号识别的精度.将其应用于不同场景下废旧手机的分拣,实验结果表明该方法具有较好的快速性和准确性.

基于空间和ECA注意力机制的废旧手机型号识别研究

针对废旧手机的分类回收难以快速精准识别的问题,本文基于残差网络模型Resnet 34进行改进,让模型能自适应地关注到感兴趣的特征和定位到具有判别性的区域,从而提高手机型号识别的准确率。首先,在Resnet 34模型的Layer 4上添加ECA注意力机制,并实验将ECA通道注意力机制与空间注意力机制结合,组成新的Eca-S-Resnet 34注意力机制。然后对网络模型进行训练,基于验证集测试网络模型预测的准确率,最后导入照片测试手机型号识别速度与准确率。实验证明在模型的Layer 4上添加的ECA注意力机制与Eca-S-Resnet 34注意力机制均可以提高网络训练速度与模型的分类准确率。