基于卷积神经网络的条形码定位技术研究

作者：张曼; 张俊; 顾亚平

来源：网络新媒体技术, 2019, 8(05): 50-55.

• 卷积神经网络
• 边框回归
• 重叠度
• 条形码定位

条形码定位是条形码识别的重要组成部分。针对常用算法在复杂背景下条码定位准确率低的问题,提出一种基于卷积神经网络的条形码定位技术。论文首先利用选择性搜索法筛选候选区域,然后通过设计的7层CNN网络模型进行候选框分类,最后利用非极大值抑制算法及边框回归算法消除交叉窗口,达到精准定位目的。在模型实现中提出利用重叠度概念区分正负样本。条形码定位算法基于Tensorflow深度学习框架实现,实验结果显示本文算法正确率达到98.3%,相比传统算法提高了3.5%。

• 单位
  中国科学院声学研究所东海研究站; 中国科学院大学