基于卷积神经网络的纸币分类与点钞
wuxian hulian keji（2020）
摘要
纸币面值种类居多,给银行和商业人员的点钞带来了困难,传统的人工分类、点钞会消耗大量人力且容易出错.文章基于卷积神经网络实现了不同面值纸币的分类和点钞.输入不同面值纸币,可以实现纸币分类和点钞功能,使用卷积层、池化层以及全连接层等训练得到的模型分类准确率达97.78％,点钞测试准确率达97.33％.可见,该方法在提高纸币分类与点钞的速度和准确率上有较大作用,为进一步研究与应用提供了一定的理论指导.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要