用于低资源电路元件识别的超轻量 CNN
计算机视觉与模式识别
2020-10-02 v1
摘要
在本文中，我们提出了一种超轻量系统，能够在训练数据极为有限的情况下有效识别图像中的不同电路元件。除该系统外，我们还发布了为此任务创建的数据集。我们的系统采用两阶段方法。应用选择性搜索来定位每个电路元件，基于其结果将原始图像裁剪为更小的块，随后将这些块输入卷积神经网络（CNN）进行分类以识别各电路元件。该系统具有工程意义，并在低资源环境下的电路元件识别中表现良好。我们系统的准确率达到 93.4%，优于支持向量机（SVM）基线（75.00%）和现有的最先进 RetinaNet 方案（92.80%）。
引用
@article{arxiv.2010.00505,
title = {An Ultra Lightweight CNN for Low Resource Circuit Component Recognition},
author = {Yingnan Ju and Yue Chen},
journal= {arXiv preprint arXiv:2010.00505},
year = {2020}
}