購物車(0)
基于空洞卷積CNN的快遞logo識別研究
關(guān)鍵詞：cnn 空洞卷積 swish 快遞logo
摘要：論文主要在空洞卷積后采用Swish激活函數(shù)作為模型的卷積層來替代傳統(tǒng)的卷積層加池化層。論文針對6大快遞公司(EMS、順豐、申通、圓通、中通、韻達)的快遞運單logo圖標進行分類識別。論文設(shè)計6層網(wǎng)絡(luò)結(jié)構(gòu),包含4層卷積層和1層全鏈接層和1層Softmax回歸層。CNN模型實現(xiàn)中,以在生活中采集650張快遞logo作為原始數(shù)據(jù),首先對原圖采用鏡像和裁剪的方式將數(shù)據(jù)增強到48100的數(shù)據(jù)集;在網(wǎng)絡(luò)訓(xùn)練中采用Adam算法來迭代更新網(wǎng)絡(luò)參數(shù)。網(wǎng)絡(luò)的整體模型基于深度學(xué)習(xí)框架Tensorflow實現(xiàn)。實驗結(jié)果顯示采用空洞卷積及Swish函數(shù)激活后,測試集的識別正確率達到97.6%,相比于傳統(tǒng)卷積提高3.1%。
網(wǎng)絡(luò)新媒體技術(shù)雜志要求:
{1}來稿為基金資助項目請注明何種基金資助項目或課題（并附編號）。
{2}如不同意本刊對采用文稿作相應(yīng)的技術(shù)處理和修改刪節(jié)，請事先申明。
{3}計量單位:執(zhí)行國務(wù)院頒布的《中華人民共和國法定計量單位》，并以單位符號表示，具體使用參照中華醫(yī)學(xué)會雜志社編寫的《法定計量單位在醫(yī)學(xué)上的應(yīng)用(第3版)》一書。
{4}注釋是對正文中某一特定內(nèi)容的解釋或補充說明，列于當頁腳注，用①②……標注。（注意：注釋不是引文的參考文獻，引文引用文獻應(yīng)放在文后參考文獻中）
{5}正文（包括圖表）一律使用國家法定計量單位；各種專業(yè)術(shù)語規(guī)范準確；正文論述條理清晰。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
