不確定性數(shù)據(jù)環(huán)境下CNN算法在貨物清點中的應(yīng)用研究
發(fā)布時間:2024-10-26 21:45
貨物,即為可供出售的商品,遠(yuǎn)到海灣港口的集裝箱,近到商場內(nèi)的琳瑯百貨,對于它們的清點工作在生活中最為常見。本文是以貨物清點為主題,以李寧旗下各門店內(nèi)鞋型和衣服類型的清點需求為實例,通過安裝固定攝像頭和利用圖像識別技術(shù)來判斷店內(nèi)可供出售的鞋型或衣服類型是否被陳列于鞋墻或服裝墻上,以此來完成本次選題!袄顚帯弊鳛閲鴥(nèi)最具標(biāo)識度的知名品牌之一,旗下實體門店遍布各地,店內(nèi)可供出售的鞋子、衣服品類繁多,在對其開展清點工作時需要投入大量的人力和時間成本。但隨著高新技術(shù)的快速發(fā)展和計算機(jī)各類硬件配置的優(yōu)化升級,使CNN算法被人們所熟知并被廣泛應(yīng)用于圖像研究領(lǐng)域,至此人們將不再滿足于依靠人力來完成店內(nèi)的清點工作,而是利用大量的圖像數(shù)據(jù)和先進(jìn)的硬件設(shè)備使清點工作變得更加方便、快捷。同時,在貨物圖像數(shù)據(jù)的實際采集和測試過程中發(fā)現(xiàn),本次貨物清點主題的應(yīng)用場景具有采集環(huán)境、元數(shù)據(jù)屬性以及存在干擾信息此三方面帶來的不確定性。受這三方面不確定性的影響,不僅會增加實驗的難度和復(fù)雜度,還會給模型的優(yōu)化和清點正確率的提升帶來一定困難。在本研究中,首先,將由智能手機(jī)采得的各鞋型訓(xùn)練樣本通過使用已修改好的YOLO-v4網(wǎng)絡(luò)做...
【文章頁數(shù)】:75 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 貨物清點的選題背景
1.2 貨物清點在不確定性數(shù)據(jù)環(huán)境下的應(yīng)用
1.3 貨物清點的選題意義
1.4 國內(nèi)外研究綜述
1.4.1 圖像識別方法研究綜述
1.4.2 CNN算法在圖像識別領(lǐng)域的應(yīng)用研究綜述
1.4.3 貨物清點方法的研究綜述
1.5 研究內(nèi)容與結(jié)構(gòu)安排
1.5.1 研究內(nèi)容
1.5.2 結(jié)構(gòu)安排
1.5.3 創(chuàng)新點
2 貨物清點模型的基礎(chǔ)理論
2.1 基于YOLO-v4的目標(biāo)貨物分割方法原理闡述
2.1.1 傳統(tǒng)的圖像分割方法概述
2.1.2 YOLO-v4網(wǎng)絡(luò)結(jié)構(gòu)解析
2.2 貨物清點模型主算法CNN的原理闡述
2.2.1 全連接神經(jīng)網(wǎng)絡(luò)
2.2.2 CNN的概念與特點
2.2.3 CNN的組成結(jié)構(gòu)
2.2.4 CNN的優(yōu)化方法
3 貨物圖像數(shù)據(jù)的采集和預(yù)處理
3.1 貨物圖像數(shù)據(jù)來源的闡述
3.2 貨物圖像預(yù)處理過程
3.2.1 貨物圖像數(shù)據(jù)不同增強(qiáng)方式及結(jié)果展示
3.2.2 貨物圖像歸一化及結(jié)果展示
3.2.3 單一、多目標(biāo)貨物分割及結(jié)果展示
4 基于CNN算法貨物清點模型的搭建
4.1 實驗平臺的設(shè)計與搭建
4.2 基于傳統(tǒng)LeNet網(wǎng)絡(luò)的鞋型識別
4.2.1 傳統(tǒng)LeNet網(wǎng)絡(luò)結(jié)構(gòu)詳述
4.2.2 識別結(jié)果及分析
4.3 基于改進(jìn)后LeNet網(wǎng)絡(luò)的鞋型清點
4.3.1 LeNet網(wǎng)絡(luò)的改進(jìn)及改進(jìn)后網(wǎng)絡(luò)結(jié)構(gòu)詳述
4.3.2 探究學(xué)習(xí)率對模型性能的影響
4.3.3 鞋型清點結(jié)果的展示與分析
4.3.4 探究不同數(shù)據(jù)集對鞋型清點準(zhǔn)確率提升的影響
4.4 貨物清點模型應(yīng)用能力的評估與驗證
4.4.1 貨物清點模型在衣服類型清點中的應(yīng)用
4.4.2 貨物清點模型受位置變動的影響
5 結(jié)論與展望
5.1 結(jié)論
5.1.1 本研究主要結(jié)論
5.1.2 不確定性數(shù)據(jù)環(huán)境的解決方法
5.2 展望
參考文獻(xiàn)
后記
本文編號:4008290
【文章頁數(shù)】:75 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 貨物清點的選題背景
1.2 貨物清點在不確定性數(shù)據(jù)環(huán)境下的應(yīng)用
1.3 貨物清點的選題意義
1.4 國內(nèi)外研究綜述
1.4.1 圖像識別方法研究綜述
1.4.2 CNN算法在圖像識別領(lǐng)域的應(yīng)用研究綜述
1.4.3 貨物清點方法的研究綜述
1.5 研究內(nèi)容與結(jié)構(gòu)安排
1.5.1 研究內(nèi)容
1.5.2 結(jié)構(gòu)安排
1.5.3 創(chuàng)新點
2 貨物清點模型的基礎(chǔ)理論
2.1 基于YOLO-v4的目標(biāo)貨物分割方法原理闡述
2.1.1 傳統(tǒng)的圖像分割方法概述
2.1.2 YOLO-v4網(wǎng)絡(luò)結(jié)構(gòu)解析
2.2 貨物清點模型主算法CNN的原理闡述
2.2.1 全連接神經(jīng)網(wǎng)絡(luò)
2.2.2 CNN的概念與特點
2.2.3 CNN的組成結(jié)構(gòu)
2.2.4 CNN的優(yōu)化方法
3 貨物圖像數(shù)據(jù)的采集和預(yù)處理
3.1 貨物圖像數(shù)據(jù)來源的闡述
3.2 貨物圖像預(yù)處理過程
3.2.1 貨物圖像數(shù)據(jù)不同增強(qiáng)方式及結(jié)果展示
3.2.2 貨物圖像歸一化及結(jié)果展示
3.2.3 單一、多目標(biāo)貨物分割及結(jié)果展示
4 基于CNN算法貨物清點模型的搭建
4.1 實驗平臺的設(shè)計與搭建
4.2 基于傳統(tǒng)LeNet網(wǎng)絡(luò)的鞋型識別
4.2.1 傳統(tǒng)LeNet網(wǎng)絡(luò)結(jié)構(gòu)詳述
4.2.2 識別結(jié)果及分析
4.3 基于改進(jìn)后LeNet網(wǎng)絡(luò)的鞋型清點
4.3.1 LeNet網(wǎng)絡(luò)的改進(jìn)及改進(jìn)后網(wǎng)絡(luò)結(jié)構(gòu)詳述
4.3.2 探究學(xué)習(xí)率對模型性能的影響
4.3.3 鞋型清點結(jié)果的展示與分析
4.3.4 探究不同數(shù)據(jù)集對鞋型清點準(zhǔn)確率提升的影響
4.4 貨物清點模型應(yīng)用能力的評估與驗證
4.4.1 貨物清點模型在衣服類型清點中的應(yīng)用
4.4.2 貨物清點模型受位置變動的影響
5 結(jié)論與展望
5.1 結(jié)論
5.1.1 本研究主要結(jié)論
5.1.2 不確定性數(shù)據(jù)環(huán)境的解決方法
5.2 展望
參考文獻(xiàn)
后記
本文編號:4008290
本文鏈接:http://sikaile.net/qiyeguanlilunwen/4008290.html
上一篇:類金融模式對格力集團(tuán)財務(wù)績效的影響研究
下一篇:沒有了
下一篇:沒有了
最近更新
教材專著