二維條碼在信息存儲與傳遞方面具備密度高及識讀能力強(qiáng)的特性,已普遍應(yīng)用于物品標(biāo)識、電子支付、社交媒體、廣告營銷、資產(chǎn)跟蹤等領(lǐng)域。在被多方面應(yīng)用的同時(shí),也帶來了識別技術(shù)上的問題,多種多樣的應(yīng)用環(huán)境和圖像采集設(shè)備增加了二維條碼識別過程的復(fù)雜度,傳統(tǒng)的二維條碼識別方法漸漸無法滿足人們的使用需求。為提高二維條碼識別方法在各種復(fù)雜采集環(huán)境下的魯棒性和適應(yīng)性,本文針對二維條碼在模糊、污染、破損、遮擋、光照條件差等惡劣條件下的識別展開了研究。主要工作包括以下幾點(diǎn):（1）在研究二維條碼的應(yīng)用場景和采集條件時(shí),需要對二維條碼的復(fù)雜采集環(huán)境進(jìn)行定性與定量的分析,建立了一個盡可能健壯的復(fù)雜采集環(huán)境下二維條碼圖像數(shù)據(jù)集,用于二維條碼訓(xùn)練與測試。（2）參考并綜合大量的理論知識分析可知,卷積神經(jīng)網(wǎng)絡(luò)（CNN）的識別方法通常適用于訓(xùn)練樣本較多時(shí);相反在解決小樣本、非線性問題的分類與識別時(shí),支持向量機(jī)（SVM）分類器表現(xiàn)出較強(qiáng)的穩(wěn)健性。（3）待測條碼與樣本數(shù)量較多的不同碼制數(shù)據(jù)庫識別時(shí),采用CNN的識別方法。將未經(jīng)過預(yù)處理的原始圖像輸入到CNN,在交替設(shè)置的卷積、池化及激活層進(jìn)行圖像特征提取,并把提取的特征向量映射到全... 

【文章來源】：西北師范大學(xué)甘肅省

【文章頁數(shù)】：48 頁

【學(xué)位級別】：碩士

【部分圖文】：

最大池化與

式中：凈激活ul 可以依靠前一層特征圖轉(zhuǎn)化的一維特征向量( )l1f u 加權(quán)以及偏置后獲取的。Wl 和bl 分別是全連接層l 的權(quán)重系數(shù)與偏置項(xiàng)。 4.2 二維條碼數(shù)據(jù)的采集與處理 本文從復(fù)雜環(huán)境下二維條碼數(shù)據(jù)集的采集出發(fā)，由多張二維條碼圖片構(gòu)成數(shù)據(jù)庫，并制作好相對應(yīng)的樣本標(biāo)簽。將收集的二維條碼數(shù)據(jù)庫分成訓(xùn)練和測試兩部分樣本，導(dǎo)入 CNN 分別用于訓(xùn)練和測試，檢驗(yàn)在 CNN 應(yīng)用在二維條碼數(shù)據(jù)集中的魯棒性與穩(wěn)健性。實(shí)驗(yàn)采集了 5 種不同類型常見的二維條碼，其名稱分別為 Aztec Code、Hanxin Code、Data Matrix、Maxi Code、QR Code，示例圖片如圖 4-3 所示：

第4章基于卷積神經(jīng)網(wǎng)絡(luò)的二維條碼識別技術(shù)214.3.3實(shí)驗(yàn)結(jié)果及分析實(shí)驗(yàn)編程語言環(huán)境為Python2.7，使用caffe框架在軟件上進(jìn)行仿真。通過多次實(shí)驗(yàn)，所有設(shè)置參數(shù)設(shè)置為：初始學(xué)習(xí)率的值為0.01，隨著CNN網(wǎng)絡(luò)的加深，為得到二維條碼更抽象的紋理特征，學(xué)習(xí)率會沿著梯度方向有所下降，一般訓(xùn)練時(shí)是將數(shù)據(jù)一批（batch）一批送入網(wǎng)絡(luò)，每批處理32個樣本，促進(jìn)擬合的權(quán)重衰減項(xiàng)和動量分別為0.0005和0.9，將網(wǎng)絡(luò)訓(xùn)練的最大迭代次數(shù)設(shè)定為8460，學(xué)習(xí)速率的因子的數(shù)值則為0.1，訓(xùn)練完60次在顯示屏上顯示一次。圖4-6表示本文采用的網(wǎng)絡(luò)模型在訓(xùn)練過程中對應(yīng)的識別率和損失函數(shù)曲線圖。圖4-6識別率和損失函數(shù)曲線圖通過圖4-6可以發(fā)現(xiàn)，隨著迭代次數(shù)的增加，CNN的訓(xùn)練和測試的損失函數(shù)Loss值在不斷下降，說明網(wǎng)絡(luò)仍處于學(xué)習(xí)過程中，條碼的識別率快速上升。當(dāng)?shù)螖?shù)到達(dá)1000次時(shí)，網(wǎng)絡(luò)模型的Loss值和二維條碼的識別率開始收斂并逐漸趨于穩(wěn)定，最終識別率達(dá)到了96.43%。


本文編號：3335728