基于迁移学习的商品图像检测方法

• 作者: 朱明 胡正委
• 来源期刊: 计算机系统应用
• 关键词: 物体检测 迁移学习 关系层 深度学习训练方法 边框标定
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 226-231
• 页数: 6页
• 字数: 2914字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006600

摘要

近年来,对象识别方法被应用到多个领域.如人脸检测,车辆检测.然而模型训练所需要的边框标定需要很大的工作量.本文通过基于迁移学习的方法,将物体检测任务迁移到商品检测,且不需要边框标定.本文在分类层和边框回归层之间建立关系层,来学习两种任务之间的关联.本文建立了一个商品数据集,并提出了一种深度学习训练方法,解决了可旋转物体的检测问题.基于Faster RCNN框架,本文提出一种候选选择方法,可以在无边框标定情况下训练商品分类.本文提出的商品检测方法不需要边框标定,而且很容易训练并应用到其它数据集.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱明	中国科学技术大学信息科学技术学院	228	2519	25.0	40.0
2	胡正委	中国科学技术大学信息科学技术学院	2	6	2.0	2.0