基于卷积神经网络的品牌LOGO识别技术的研究与实现

发布时间：2024-01-14 11:16

　　随着阿里巴巴,亚马逊,京东等电商的崛起,越来越多的用户开始在电商网站上通过卖家上传的图片进行商品选购,使得品牌LOGO成为电子经济市场的重要元素。虽然目前针对图像分类与识别技术的研究在技术上已经比较成熟,但是由于使用场景的多样性,识别数据样本的不同,内存资源有限等原因,品牌LOGO识别依旧是一项极富有挑战性和意义的技术。本文使用网络压缩技术,对品牌LOGO识别的网络进行充分的压缩,从而解决了在内存资源有限的移动设备上部署网络模型的问题。本文在知识蒸馏算法的基础上进行改进,设计并实现了共享网络模型。本文将老师网络参数层与学生网络进行了共享,从而达到师生网络同时训练的效果。在相同的爬虫数据集上,相比于知识蒸馏算法,改进后的算法的平均准确率由0.89提高到了0.91。学生网络不仅具有更好的识别表达能力,而且为模型迭代与更新节约了训练时间成本。本文在师生网络结构共享的同时,为了进一步提升学生网络的识别准确率,对学生网络中间层所提取的特征也进行约束,进而实现了知识迁移优化算法的改进。通过这种改进,使得学生网络中间层所提取的特征逼近于老师网络中间层所提取的特征,从而具备更好的识别能力以及知识迁移能...

【文章页数】：76 页

【学位级别】：硕士

本文编号：3878125