换一批摘要由于动物源性食品图像的特征分布不规则,导致对其检测结果的可靠性难以得到保障,为此提出了一种基于改进YOLO算法的动物源性食品检测方法.通过YOLO V3 的主干特征提取网络Darknet-53,分别对动物源性食品图像中存在的可见光和红外光进行特征提取,结合二者对应模态特征的最佳权重参数,进行特征加权融合,计算融合后特征的目标框位置损失、目标置信度损失以及类别损失,确定最终的分类.测试结果表明,设计方法对动物源性食品图像的识别结果稳定,且错误识别数量始终保持在较低水平,不受测试数据集构成的影响.
更多相关知识
关键词
改进YOLO算法动物源性食品主干特征提取网络最佳权重参数特征加权融合improving YOLO algorithmanimal derived foodsbackbone feature extraction networkoptimal weight parametersfeature weighted fusion
分类号
R155.5
栏目名称
DOI
10.16736/j.cnki.cn41-1434/ts.2024.09.021
发布时间
2024-07-09
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
