基于AlexNet的多光照条件下多类别法定货币识别技术

摘要

法定货币在不同光照条件下具有显著不同的局部特征,可以采用深度学习方法对不同光照条件下多类别法定货币图像进行特征提取与图像识别,因此,本文提出基于AlexNet的多光照条件下多类别法定货币识别技术.首先,分析自然光照与紫外光照条件下法定货币图像特征,指出不同光照条件下法定货币呈现不同的面额、图案等特征;其次,分析AlexNet神经网络模型与识别机理;最后,提出面向法定货币识别任务的AlexNet迁移学习方法并在30类别的不同光照不同币种的图像样本库上进行图像识别实验,货币图像识别准确率达到100％,与传统的货币图像识别方法相比,减少人工提取图像特征的繁复过程,并能准确区分货币币种、光照条件、面额与正反面货币图像.