摘要
本发明涉及计算机视觉和图像处理技术领域,公开了一种基于深度神经网络的条形码检测方法及系统,其中,一种基于深度神经网络的条形码检测方法包括:通过多尺度特征提取网络从输入图像中提取不同尺度的条形码特征,并通过空间注意力算法增强特征表示;利用可变形卷积网络自适应捕获非规则条形码特征;通过多尺度局部变形场估计网络生成精细的变形矢量场;引入基于材料弹性特性的物理约束对预测的变形场进行正则化;基于优化后的变形场,通过精确变形校正采样器对图像进行重采样和校正;本发明能够精确捕获和校正非刚性表面条形码变形的检测方法,提高条形码检测在复杂环境下的准确率和鲁棒性。
技术关键词
条形码检测方法
深度神经网络
条形码特征
可变形卷积网络
多尺度特征提取
变形矢量场
注意力
校正
条形码图像
采样器
特征金字塔
连续性
卷积特征
图像增强技术
网格
双线性插值
系统为您推荐了相关专利信息
AI算法
判定方法
OCR图像识别技术
多模态特征融合
实体识别模型
水电站
流量预测方法
流量预测模型
降雨观测数据
调控发电机组
分析方法
可视化分析工具
深度神经网络模型
密度
图谱
遥感影像变化
深度学习模型
多尺度特征提取
邻域
对象