声明
摘要
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 基于视觉的商品图像识别研究方法综述
1.3.1 基于视觉的单个物体识别
1.3.2 基于视觉的多个物体识别与定位
1.4 本文研究内容与组织结构
第2章 本文所用相关算法介绍
2.1 卷积神经网络(CNN)
2.1.1 基本概念
2.1.2 网络结构
2.2 Faster RCNN
2.2.1 Fast RCNN
2.2.2 FPN(特征金字塔网络)
2.2.3 ResNet
第3章 基于Faster RCNN的单个商品识别方法
3.1 问题描述
3.2 系统框架设计
3.3 系统具体实现
3.3.1 图像采集
3.3.2 区域候选网络(RPN)
3.3.3 RPN预标注方法
3.3.4 网络训练
3.3.5 分类与定位的知识迁移
3.4 实验结果及分析
3.4.1 数据集
3.4.2 分类和检测结果
3.5 本章小结
第4章 基于改进Faster RCNN与Grabcut的多个商品识别与定位方法
4.1 问题描述
4.2 系统框架设计
4.3 系统具体实现
4.3.1 非类别特异性Faster RCNN
4.3.2 Grabcut
4.3.3 结合Grabcut的样本增强方法
4.3.4 重识别层
4.3.5 网络模型与训练
4.4 实验与分析
4.4.1 数据集介绍
4.4.2 实验结果
4.5 本章小结
第5章 超市商品图像识别验证系统
5.1 系统设计
5.1.1 图像提取模块
5.1.2 商品检测模块
5.1.3 数据传输模块
5.2 系统验证测试
5.3 本章总结
第6章 总结与展望
6.1 全文总结
6.2 未来展望
参考文献
致谢
在读期间发表的学术论文与取得的研究成果