10.19557/j.cnki.1001-9944.2022.05.009
基于深度学习的物流货柜自动识别模型研究
为提升物流货柜自动识别的准确率和检测速率,该文提出了一种基于深度卷积神经网络的改进算法.该算法将DenseNet卷积神经网络融入SSD检测算法中,利用DenseNet的Block模块,提高梯度信息传播能力,使得检测模型具有更高的识别准确率和收敛速度.实验结果表明,该改进型算法的平均识别准确率为71.3%,检测速率为每秒42帧,相比YOLO和SSD算法,其平均检测准确率和检测速率均得到明显提升.
深度学习、目标识别、神经网络、识别率、卷积
37
TP274(自动化技术及设备)
2022-06-02(万方平台首次上网日期,不代表论文的发表时间)
共4页
39-42