改进多级网络的商品图像识别及鲁棒性研究

摘要：

针对商品图像识别中,前期训练阶段样本过多导致训练时间增加以及随着样本丢失率的增加,多级卷积神经网络鲁棒性表现较差的问题,提出一种基于改进多级卷积神经网络的商品图像识别算法.在原激活函数基础上增加线性系数,改进网络中的激活函数,通过优化网络参数控制网络规模;自建包含5万幅不同商品的样本集,搭建商品图像识别平台,依据丢失训练思想对网络进行训练,从而实现商品图像识别.实验结果表明,该算法对商品图像识别精度高,具有良好的鲁棒性.

关键词：多级卷积神经网络、样本丢失率、商品图像识别、鲁棒性

所属期刊栏目：25

分类号：TP391(计算技术、计算机技术)

资助基金：陕西省自然科学基础研究计划项目;陕西省教育厅专项科研计划项目;陕西省教育厅专项科研计划项目

在线出版日期：2020-11-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：23-28