基于深度Inception网络的包装袋检测模型

作者：韦超英; 李海强^*; 凌志梅

来源：塑料科技, 2020, 48(07): 60-63.

DOI：10.15925/j.cnki.issn1005-3360.2020.07.016

• 塑料
• 深度学习
• Inception
• 包装袋检测

基于深度Inception网络的包装袋检测模型,设计3个Inception模块,称为Inception1、Inception2和Inception3;设计多个方案开展检测性能研究工作。经仿真分析,方案七包装袋检测模型拥有8个网络层,在第1～3个、第7个网络层应用卷积核尺寸为3×3的标准卷积,在第4～6个网络层依次应用Inception1、Inception2和Inception3模块,获得最佳的检测准确率0.768 4。说明较前网络层的Inception1模块可捕获细致的塑料包装袋纹理特征;Inception2模块应用多尺寸卷积核和平均池化可捕获多样化纹理特征;较末端网络层的Inception3模块可对高度抽象特征进行特征变换和提取。方案七模型检测准确率高于传统HOG模型约12%。

• 单位
  广西城市职业大学