基于Swin Transformer和CNN模型融合的包装食品目标检测方法研究
【摘要】:针对冰箱内的包装食材识别错漏检测问题,本研究从数据集合、训练模型、anchor合理度3个方面提出了一种提高识别率的方法。该方法通过数据集的平衡扩增,来让算法更好地进行学习,降低误识别和漏检的概率。同时,利用卷积神经网络和注意力模块相结合的网络模型,来更好地保留图片的局部特征和建立全局依赖关系,实现特征融合并降低模型的计算复杂度,让其在数据集上达到较好的性能,有效优化酸奶目标检测中的漏检问题。
【相似文献】 | ||
|
|||||||||||||||||||||||
|
|
|||||||
|
|
|||||||
|
|
|||||||||||||||||||||||||||||||||||||||||
|
|
|||||
|