基于卷积神经网络的条形码定位技术研究

• 作者: 张俊 张曼 顾亚平
• 来源期刊: 网络新媒体技术
• 关键词: 卷积神经网络 边框回归 重叠度 条形码定位
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 学术研究
• 页码范围: 50-55
• 页数: 6页
• 字数: 3532字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-347X.2019.05.008

摘要

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％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	顾亚平		6	8	2.0	2.0
2	张曼		12	63	4.0	7.0