基于空洞卷积CNN的快递logo识别研究
Journal of Network New Media（2019）
Abstract
论文主要在空洞卷积后采用Swish激活函数作为模型的卷积层来替代传统的卷积层加池化层.论文针对6大快递公司(EMS、顺丰、申通、圆通、中通、韵达)的快递运单logo图标进行分类识别.论文设计6层网络结构,包含4层卷积层和1层全链接层和1层Softmax回归层.CNN模型实现中,以在生活中采集650张快递logo作为原始数据,首先对原图采用镜像和裁剪的方式将数据增强到48100的数据集;在网络训练中采用Adam算法来迭代更新网络参数.网络的整体模型基于深度学习框架Tensorflow实现.实验结果显示采用空洞卷积及Swish函数激活后,测试集的识别正确率达到97.6％,相比于传统卷积提高3.1％.
MoreAI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined