基于法定貨幣在不同光照下局部特征不同,該文研究一種基于AlexNet的兩光照下多類別法定貨幣識別技術(shù)。首先,分析自然光照、紫外光照下法定貨幣圖像特征,指出不同光照下法定貨幣呈現(xiàn)不同的面額、圖案等特征;其次,分析AlexNet神經(jīng)網(wǎng)絡(luò)模型與研究面向法定貨幣識別的AlexNet遷移學(xué)習(xí)方法;最后,在30類別的兩光照下不同幣種的圖像樣本庫上進行圖像識別實驗,貨幣圖像識別準確率達到100%,準確實現(xiàn)區(qū)分貨幣幣種、光照條件、面額與正反面貨幣圖像功能。與經(jīng)典貨幣圖像識別方法相比,該法能減少人工提取圖像特征的工作量,具有通用性好、準確度高的特點。 

【文章來源】：中國測試. 2019,45(09)北大核心

【文章頁數(shù)】：5 頁

【文章目錄】：
0 引言
1 不同光照下法定貨幣圖像特征分析
2 基于AlexNet兩光照下多類別法定貨幣識別技術(shù)
    2.1 AlexNet神經(jīng)網(wǎng)絡(luò)模型分析
    2.2 面向法定貨幣識別的AlexNet遷移學(xué)習(xí)
3 試驗研究
4 結(jié)束語


【參考文獻】：
期刊論文
[1]一種基于紫外熒光圖像的人民幣面額識別算法[J]. 李雪梨,索雙富,武佩君.  機械設(shè)計與制造. 2017(03)
[2]基于BP神經(jīng)網(wǎng)絡(luò)的銀行票據(jù)識別[J]. 韓夢迪,曹玉東,杜剛.  信息通信. 2016(09)
[3]多顏色模型分割自學(xué)習(xí)k-NN設(shè)備狀態(tài)識別方法[J]. 郭雪梅,劉桂雄.  中國測試. 2016(04)
[4]紅外弱小目標檢測背景抑制算法研究[J]. 金長江,師廷偉.  中國測試. 2016(04)
[5]深度卷積神經(jīng)網(wǎng)絡(luò)在計算機視覺中的應(yīng)用研究綜述[J]. 盧宏濤,張秦川.  數(shù)據(jù)采集與處理. 2016(01)
[6]基于印刷年份的人民幣版本識別技術(shù)研究[J]. 羅帥,婁震.  現(xiàn)代電子技術(shù). 2015(18)
[7]表格型票據(jù)圖像手寫體特殊符號的混合檢測算法[J]. 宋曉寧,劉梓,於東軍,楊靜宇,陳天雨.  南京理工大學(xué)學(xué)報. 2012(06)
[8]復(fù)雜背景下的票據(jù)字符分割方法[J]. 葉龍歡,王俊峰,高琳,袁軍.  計算機應(yīng)用. 2012(11)



本文編號：2982659