典型文献
基于轻量级网络的防伪标签检测算法
文献摘要：
近年来,伪造盗版产品带来的经济损失逐年增大,伪造技术不断提升,防伪检测问题受到了广泛关注.为了解决现有防伪检测方法的计算量大、资源占用高、检测耗时较长等问题,提出了一种基于轻量级网络的防伪标签识别检测模型,该模型采用更为轻量的卷积神经网络(convolutional neural network,CNN)来进行形状和纹理的识别.在形状识别任务中,降低池化层大小以增强模型学习能力;在纹理分类任务中,使用协调注意力(coordinate attention,CA)模块来增强模型对单一特征图的信息获取.通过设计损失函数增强模型对真伪样本识别能力,并通过特征向量最大值得到预测结果.实验结果表明,该方法整体识别检测的准确率可达95.67％,检测时间相较于传统方法有显著减少.
文献关键词：
防伪检测;轻量级神经网络;形状纹理识别
中图分类号：
作者姓名：
张宏坤;韩越兴;陈侨川;巫金波
作者机构：
上海大学计算机工程与科学学院,上海200444;之江实验室,浙江杭州311100;上海大学材料基因组工程研究院,上海200444
文献出处：
引用格式：
[1]张宏坤;韩越兴;陈侨川;巫金波-.基于轻量级网络的防伪标签检测算法)[J].上海大学学报（自然科学版）,2022(03):534-544
A类：
防伪检测,形状纹理识别
B类：
轻量级网络,防伪标签,检测算法,伪造,盗版,检测问题,计算量,资源占用,标签识别,识别检测,检测模型,convolutional,neural,network,形状识别,池化,增强模型,模型学习,纹理分类,分类任务,协调注意力,coordinate,attention,CA,特征图,信息获取,损失函数,真伪,识别能力,特征向量,检测时间,轻量级神经网络
AB值：
0.385165
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
