论文部分内容阅读
该文以无人售货机售卖瓶装饮料商品为研究场景,提出一种基于改进Faster R-CNN算法的瓶装饮料商品目标检测方法。首先,采用残差网络ResNet-50进行特征提取,加深网络对目标特征的提取和学习的深度;然后,根据瓶装饮料商品形态学特征,增加区域建议网络(Regional Proposal Network)的锚框数量和样式;最后,基于所提出的多维特征图融合网络,增强了网络对小目标的检测性能。实验结果表明,模型训练迭代10 000次后的损失值趋于收敛,10个类别的瓶装饮料商品平均精度值均在90%以上,