基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为满足自动化采集卷烟零售数据需求,提出了一种基于深度学习的卷烟牌号识别方法.首先设计一种卷烟检测模型,检测卷烟在图像中的位置和姿态,并通过姿态矫正生成卷烟正向图像;其次构建卷烟特征提取模型,提取卷烟正向图像的特征;最后生成欧式距离阈值,通过阈值在卷烟特征库检索出与待识别特征最相符的卷烟特征,由卷烟特征与卷烟牌号的对应关系得出待识别特征的卷烟牌号.以广西南宁市若干卷烟零售店为例进行测试,结果表明:对卷烟牌号的识别准确率达到98.0%.说明所建卷烟牌号识别方法可满足卷烟零售数据自动化采集的需求,具备良好的泛化性能.
推荐文章
基于深度学习的人体动作识别方法
深度信息
人体动作识别
深度学习
空间结构动态深度图
深度卷积神经网络
基于深度学习的盾构隧道衬砌病害识别方法
盾构隧道
衬砌病害
深度学习
卷积神经网络
图像分类
基于集成深度学习的玻璃缺陷识别方法
卷积神经网络
玻璃缺陷识别
KSVD算法
稀疏自编码
基于深度迁移学习的人脸识别方法研究
深度学习
人脸识别
迁移学习
不变性
区分性
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度学习的卷烟牌号识别方法
来源期刊 烟草科技 学科 工学
关键词 卷烟 牌号识别 深度学习 卷烟检测 姿态矫正
年,卷(期) 2020,(12) 所属期刊栏目 设备与仪器
研究方向 页码范围 75-82
页数 8页 分类号 TP315
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (129)
共引文献  (64)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(8)
  • 参考文献(0)
  • 二级参考文献(8)
2006(7)
  • 参考文献(0)
  • 二级参考文献(7)
2007(7)
  • 参考文献(0)
  • 二级参考文献(7)
2008(8)
  • 参考文献(0)
  • 二级参考文献(8)
2009(6)
  • 参考文献(0)
  • 二级参考文献(6)
2010(6)
  • 参考文献(0)
  • 二级参考文献(6)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(6)
  • 参考文献(0)
  • 二级参考文献(6)
2013(8)
  • 参考文献(0)
  • 二级参考文献(8)
2014(8)
  • 参考文献(1)
  • 二级参考文献(7)
2015(14)
  • 参考文献(2)
  • 二级参考文献(12)
2016(8)
  • 参考文献(1)
  • 二级参考文献(7)
2017(7)
  • 参考文献(1)
  • 二级参考文献(6)
2018(17)
  • 参考文献(1)
  • 二级参考文献(16)
2019(7)
  • 参考文献(2)
  • 二级参考文献(5)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
卷烟
牌号识别
深度学习
卷烟检测
姿态矫正
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
烟草科技
月刊
1002-0861
41-1137/TS
大16开
郑州市高新技术产业开发区枫杨街2号
36-33
1957
chi
出版文献量(篇)
4374
总下载数(次)
11
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导