欢迎来到天天文库
浏览记录
ID:49229152
大小:387.34 KB
页数:4页
时间:2020-02-28
《基于卷积神经网络的智能冰箱果蔬图像识别的研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、人工智能ArtificialIntelligence*基于卷积神经网络的智能冰箱果蔬图像识别的研究112曾维亮,林志贤,陈永洒(1.福州大学物理与信息工程学院,福建福州350116;2.TCL集团工业研究院,广东深圳518055)摘要:智能冰箱物体识别主要涉及对水果和蔬菜的识别,冰箱中果蔬数量繁多,光照不均,环境复杂,对此提出了一种用于处理该类识别问题的卷积神经网络。网络采用ReLU作为激活函数,它比传统的Sigmoid函数具有更强的稀疏能力和更大的梯度值,能够极大地加速网络收敛。隐含层中引入随机Dropout,使得某些节点不工作,减少节点间的“
2、共同适应”,降低网络对某一局部特征的过拟合,可减少网络计算复杂度并有效提升识别率。网络采用带动量项的基于梯度下降的反向传播算法,避免网络陷入局部极小值,提高识别率。最后通过用SupermarketProduceDataset数据集模拟冰箱果蔬图像进行实验,验证了本文方法的有效性。关键词:卷积神经网络;果蔬识别;Dropout;梯度下降中图分类号:TP391.4文献标识码:ADOI:10.19358/j.issn.1674-7720.2017.08.018引用格式:曾维亮,林志贤,陈永洒.基于卷积神经网络的智能冰箱果蔬图像识别的研究[J].微型机与
3、应用,2017,36(8):56-59.Fruitsandvegetablesimagerecognitioninintelligentrefrigeratorbasedonconvolutionalneuralnetwork112ZengWeiliang,LinZhixian,ChenYongsa(1.CollegeofPhysics&InformationEngineering,FuzhouUniversity,Fuzhou350116,China;2.TCLGroupIndustryResearchInstitute,Shenzhen518
4、055,China)Abstract:Objectrecognitioninintelligentrefrigeratormainlyinvolvesfruitsandvegetables.Largestockoffruitsandvegetablesandunevenil-luminationmakeacomplexenvironmentinfridge.Thispaperpresentsamodelofconvolutionalneuralnetwork(CNN)tosolvesuchproblems.ThemodelusesReLUasac
5、tivationfunctionwhichisstrongerthanSigmoidwithsparseabilityandhaslargergradientvalue,anditcangreatlyacceleratenetworkconvergence.RandomDropoutisappliedtothehiddenlayerstomakesomehiddenunitsnotwork,whichcanreducethephe-nomenonof‘co-adaptation’betweenthem.Besides,itcanalsoreduc
6、ethepossibilityofoverfittingtoalocalfeature,whichisabletosimplifythealgorithmcomplexityandimproverecognitionrate.ThepaperusesBPalgorithmbasedongradientdescentwithamomentumfactorwhichcouldavoidthenetworkfallingintoalocalminimumvalueandenhancerecognitionrate.Finally,thesupermar
7、ketproducedatasetisusedtosimulatefruitsandvegetablesinfridgetoidentifytheeffectivenessofproposedmethods.Keywords:convolutionalneuralnetwork;fruitsandvegetablesrecognition;Dropout;gradientdescent0引言Vector,CCV)、内外点颜色直方图(Border/Interiorpixel智能冰箱的果蔬识别可收集用户果蔬产品的消耗情Classfication,BI
8、C)等纹理、颜色特征,采用K-means与自底况,利用该数据分析出用户喜好,商家可通过终端APP适向上聚类(Bottom-upClust
此文档下载收益归作者所有