基于双神经网络模型的智能零售柜设计与实现

近年来,基于深度学习模型的图像识别技术已成为智能零售柜的主要解决方案。设计了一种新的基于双神经网络模型的智能零售柜系统。该系统与单模型设计比较,除检测召回率和分类准确度有显著提升外,还大大降低了因增加新品种而导致的模型再训练时间。首先,利用Faster RCNN模型完成商品大类(按包装分类)的分类检测任务,以提高检测召回率;其次,利用ResNet50模型完成商品小类(按品种分类)的分类任务,以提高分类准确度。与此同时,还在最难分品种集上进行了多种数据增强消融实验研究,以改进该难分品种集所属大类数据集的分类准确度。