基于孪生卷积神经网络的手机型号识别方法

TP183; 针对废旧手机回收过程中型号难以精确识别的问题,提出一种基于孪生卷积神经网络的废旧手机型号识别方法.首先,利用基于最大类间差分的边缘检测算法解析手机图像的区域特征,构建手机型号识别数据库;其次,构造一种共享权值孪生卷积网络(siamese convolutional neural network,S-CNN)的手机识别模型,实现废旧手机图像特征的快速提取;最后,设计一种自适应学习率的识别模型参数更新策略,提高手机型号识别的精度.将其应用于不同场景下废旧手机的分拣,实验结果表明该方法具有较好的快速性和准确性....

Full description

Saved in:
Bibliographic Details
Published in北京工业大学学报 Vol. 47; no. 2; pp. 112 - 119
Main Authors 韩红桂, 甄琪, 任柯燕, 伍小龙, 杜永萍, 乔俊飞
Format Journal Article
LanguageChinese
Published 北京工业大学信息学部,计算智能与智能系统北京市重点实验室,北京 100124 01.02.2021
Subjects
废旧手机回收
孪生卷积神经网络
相似性评估
边缘检测
模型参数更新
手机型号识别
Online AccessGet full text
ISSN0254-0037
DOI10.11936/bjutxb2019100016

Cover

More Information
Summary:TP183; 针对废旧手机回收过程中型号难以精确识别的问题,提出一种基于孪生卷积神经网络的废旧手机型号识别方法.首先,利用基于最大类间差分的边缘检测算法解析手机图像的区域特征,构建手机型号识别数据库;其次,构造一种共享权值孪生卷积网络(siamese convolutional neural network,S-CNN)的手机识别模型,实现废旧手机图像特征的快速提取;最后,设计一种自适应学习率的识别模型参数更新策略,提高手机型号识别的精度.将其应用于不同场景下废旧手机的分拣,实验结果表明该方法具有较好的快速性和准确性.
ISSN:0254-0037
DOI:10.11936/bjutxb2019100016