科研之友
微信
新浪微博
Facebook
分享链接
摘要
民国纸币种类数量众多，不同纸币类别间的视觉差异小，部分纸币经过流通后发霉、毛边以及破损。针对传统的细粒度图像检索方法对民国纸币识别分类能力差的问题，提出了一种基于多尺度特征融合的民国纸币细粒度检索模型。在使用YOLOv4对纸币图像做图元素检测，减少手动标记数据时间的基础上，利用纸币主景图作为输入特征图，使用EfficientNet-B0作为主干网络进行检索，减少了冗余信息对网络的负担，提升了网络的精度。在模型中，使用PANet融合网络的第2,4,10和15层的特征向量，生成全局特征向量库，提升了纸币匹配检索能力，并使用自适应K均值对特征向量进行聚类，简化了匹配的时间与计算量。实验结果表明，该模型准确率达到了89.6%，相比于使用纸币原图作为输入图像提升了10个百分点，提高了检索精度。改进后的模型分类效果更好，推理时间成本更少，实现了纸币的精细化分类。满足工业实际要求。
-
单位机电工程学院; 上海师范大学
