基于ViT的中欧班列集装箱logo图像分类识别研究

随着“一带一路”、长江经济带等国家战略的叠加实施,中国与西方的贸易也呈直线上升的趋势。伴随着中欧班列高质量运行,中欧班列集装箱的分类统计也成为中国对外贸易的一大重点。集装箱上代表着各供应商的logo图像在运输途中会产生褪色破损情况从而给识别增加了很多的难度。因此,公司为了有效识别各个标识,提出了基于ViT的logo图像分类模型,使用激活函数GELU代替传统的RELU。实验表明,改进后的模型可以很好地分类识别,准确率达到98%,且优于其他的分类模型。

基于信息熵的Logo分类问题研究

匹配是实现图像分类的关键问题,由于匹配问题的复杂性,目前还没有一个较好的解决办法。该文提出了一种基于Fourier变换和信息熵相结合的匹配算法,对Logo的分类问题进行了研究。通过Fourier变换在图像的频域中找到最佳匹配,使用相关度阈值与信息熵差比作为衡量标准。实验中选取了大量商品图像对Logo匹配问题中查准率和查全率进行了统计分析。实验结果表明,当选取适当相关度阈值与信息熵差比的情况下,该算法能有效提高商品图像按Logo的分类效果。