基于多元特征异构集成深度学习的图像识别模型及其应用
随着城市矿产资源循环利用技术的不断发展,废旧手机回收已成为当前研究热点.受限于计算资源和数据资源的相对缺乏,目前基于线下智能回收装备的废旧手机识别精度难以达到实际应用.针对上述问题,提出一种基于多元特征异构集成深度学习的图像识别模型.首先,利用字符级文本检测算法(character region awareness for text detection,CRAFT)提取手机背部字符区域,再利用ImageNet预训练的VGG19模型作为图像特征嵌入模型,利用迁移学习理念提取待回收手机的局部字符特征和全局图像特征;然后,利用局部特征构建神经网络模式光学字符识别(optical character recognition,OCR)模型,利用全局和局部特征构建非神经网络模式深度森林分类(deep forest classification,DFC)模型;最后,将异构OCR和DFC识别模型输出的结果与向量组合后输入Softmax进行集成,基于权重向量得分最大准则获取最终识别结果.基于废旧手机回收装备的真实图像验证了所提方法的有效性.
废旧手机、图像识别、迁移学习、多元特征、OCR、深度森林、异构集成
50
U461;TP308(汽车工程)
国家重点研发计划2018YFC1900800-5
2024-01-24（万方平台首次上网日期，不代表论文的发表时间）
共11页
27-37
