基于Faster-RCNN深度学习算法的图像识别技术研究  

作　　者：谌颃 张袖斌[2] 肖斌 黄永健 

机构地区：[1]广州科技贸易职业学院信息工程学院 [2]广州科技贸易职业学院 [3]广东轩辕网络科技股份有限公司

出　　处：《机器人产业》2024年第3期98-102,共5页Robot Industry

基　　金：2023年度普通高校重点科研平台和项目:智能信息处理与应用产教融合创新平台(编号:2023CJPT012);广州科技贸易职业学院高层次专业技术人才启动项目:复杂环境下动态目标跟踪鲁棒性改进研究;2022年度广州市高等教育教学质量与教学改革工程名师工作室项目:智能信息处理工作室(编号:2022MSGZS017)。

摘　　要：为实现现实空间内动态图像目标的类别、位置识别,采用网络摄像机采集面向特定动态目标对象的帧图像,基于Faster-RCNN(Convolutional Neural Network,Region-CNN)算法等人工智能算法技术,设置涵盖卷积层、池化层、全连接层等层级的算法模型结构,使用预测器候选框框选特征像素、使用图聚类方法滤除干扰噪声数据,经过多次卷积层添加与抽取、目标对象特征提取、图像池化与归一化处理运算后,将自动收集的图像数据集、基准图像作出匹配,以完成动态图像中特定目标对象的识别与筛选操作。实验结果表明,基于Faster-RCNN算法模型的图像识别准确率在92%,可满足现实空间内图像识别的实际需求。

关 键 词：动态图像 图像识别技术 现实空间 连接层 预测器 图聚类 网络摄像机 位置识别 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] TP18[自动化与计算机技术—计算机科学与技术]