摘要
本发明公开了低光照食品包装图像识别方法、计算机程序产品及终端,属于图像识别技术领域,方法包括:对低光照图像增强网络和光学字符识别模型进行联合训练,联合训练损失为低光照图像增强网络的重建损失、光学字符识别模型的第一特征感知损失、光学字符识别模型的分类损失和光学字符识别模型的标签损失的加权和。本发明采用联合训练策略,在光学字符识别模型反馈的高级信息的指导下,低光照图像增强网络能够更好地理解和预测在低光照条件下图像的特征,进而不断进行优化生成更适合光学字符识别模型处理的高光照图像,不仅提高了低光照图像光学字符识别任务的精度,也增强了光学字符识别模型在不同光照条件下的鲁棒性和泛化能力。
技术关键词
光学字符识别
图像识别方法
低光照图像增强
图像增强网络
食品包装
全局特征提取
卷积循环神经网络
上采样
多尺度特征融合
计算机程序产品
图像结构
分支
文本识别
重构模块
系统为您推荐了相关专利信息
视觉SLAM方法
ORB特征
特征点
静态特征
相机位姿估计
PET塑料
回收处理工艺
多智能体系统
双目立体视觉
空中无人机
实体识别模型
文本识别
序列
特征提取网络
图像处理方法
监督学习模型
质心分类器
特征提取器
图像识别方法
图像识别模型
定位导板
股骨头三维模型
假体试模
旋转锉
手术装置