基于深度学习的多条形码检测与实现

• 作者: 刘秉瀚 周勉
• 来源期刊: 信息技术与网络安全
• 学科: 工学
• 关键词: 条形码 复杂背景 卷积神经网络 全卷积
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 人工智能
• 页码范围: 65-69
• 页数: 5页
• 分类号: TP391
• 字数: 4321字
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2018.09.017

摘要

条形码技术应用广泛,是一项在物流管理中不可或缺的技术.传统基于人工提取特征的检测算法不仅需要设计者精心地选取多项阈值,而且在进行多条码检测时这类算法易受到复杂背景的干扰.针对复杂背景下的条形码检测,提出一种基于深度学习的多条码检测方法,以"卷积+maxpool"的结构设计一个多任务卷积神经网络,并行完成条形码多特征的检测,且采用全卷积的方式替代全连接层,减少了模型的参数量.实验结果表明,所提方法不仅可以避免复杂的阈值选取,有较好的鲁棒性,而且速度快,实时性较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘秉瀚	福州大学数学与计算机科学学院	74	332	10.0	14.0
2	周勉	福州大学数学与计算机科学学院	1	0	0.0	0.0