基于深度神经网络的货架商品识别方法

摘要：

目的 为快速统计货架商品信息,提出一种基于深度神经网络的货架商品自动识别方法.方法 摄像头采集的货架商品图像经过深度神经网络算法处理,得到了图像中商品的SKU和位置.针对货架商品识别这种密集检测场景,文中方法改进了通用深度神经网络目标检测算法,将算法分为检测和分类2个阶段且重新设计了部分网络结构.最后,将文中方法和传统货架商品识别方法以及通用深度神经网络目标检测方法进行了比较.结果 实验证明该方法的检测阶段的模型平均正确率达到96.5％,分类阶段的分类准确率达到99.9％.整图测试的查准率为97.56％,查全率为99.26％.结论 相较于以往使用传统的目标检测模型进行货架商品识别以及使用SIFT等人工算子提取特征并分类识别商品具体SKU,文中方法的商品检出率和分类准确率都有了大幅度的提升,具有很好的应用潜力.

关键词：货架商品识别、深度神经网络、目标检测、图像分类、存货单位

所属期刊栏目：41

分类号：TP312(计算技术、计算机技术)

在线出版日期：2020-06-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：149-155