AlexNet两光照下多类别法定货币识别技术

发布时间：2021-01-17 10:02

　　基于法定货币在不同光照下局部特征不同,该文研究一种基于AlexNet的两光照下多类别法定货币识别技术。首先,分析自然光照、紫外光照下法定货币图像特征,指出不同光照下法定货币呈现不同的面额、图案等特征;其次,分析AlexNet神经网络模型与研究面向法定货币识别的AlexNet迁移学习方法;最后,在30类别的两光照下不同币种的图像样本库上进行图像识别实验,货币图像识别准确率达到100%,准确实现区分货币币种、光照条件、面额与正反面货币图像功能。与经典货币图像识别方法相比,该法能减少人工提取图像特征的工作量,具有通用性好、准确度高的特点。 

【文章来源】：中国测试. 2019,45(09)北大核心

【文章页数】：5 页

【文章目录】：
0 引言
1 不同光照下法定货币图像特征分析
2 基于AlexNet两光照下多类别法定货币识别技术
    2.1 AlexNet神经网络模型分析
    2.2 面向法定货币识别的AlexNet迁移学习
3 试验研究
4 结束语


【参考文献】：
期刊论文
[1]一种基于紫外荧光图像的人民币面额识别算法[J]. 李雪梨,索双富,武佩君.  机械设计与制造. 2017(03)
[2]基于BP神经网络的银行票据识别[J]. 韩梦迪,曹玉东,杜刚.  信息通信. 2016(09)
[3]多颜色模型分割自学习k-NN设备状态识别方法[J]. 郭雪梅,刘桂雄.  中国测试. 2016(04)
[4]红外弱小目标检测背景抑制算法研究[J]. 金长江,师廷伟.  中国测试. 2016(04)
[5]深度卷积神经网络在计算机视觉中的应用研究综述[J]. 卢宏涛,张秦川.  数据采集与处理. 2016(01)
[6]基于印刷年份的人民币版本识别技术研究[J]. 罗帅,娄震.  现代电子技术. 2015(18)
[7]表格型票据图像手写体特殊符号的混合检测算法[J]. 宋晓宁,刘梓,於东军,杨静宇,陈天雨.  南京理工大学学报. 2012(06)
[8]复杂背景下的票据字符分割方法[J]. 叶龙欢,王俊峰,高琳,袁军.  计算机应用. 2012(11)



本文编号：2982659