BD 货币检测：基于 CNN 的方法与移动端应用集成
计算机视觉与模式识别
2025-02-26 v1 机器学习
网络与互联网体系结构
摘要
货币识别在银行业、商业和视障人士辅助技术中发挥着重要作用。传统方法，如人工验证和光学扫描，往往在准确性和效率方面存在局限性。本研究提出了一种先进的货币识别系统，利用卷积神经网络（CNN）对孟加拉国纸币进行准确分类。一个包含 50,334 张图像的数据集被收集、预处理，并用于训练一个优化的高性能 CNN 模型。训练后的模型准确率达到 98.5%，超越了传统的基于图像的货币识别方法。为了实现实时和离线功能，该模型被转换为 TensorFlow Lite 格式并集成到 Android 移动应用中。结果展示了深度学习在货币识别中的有效性，提供了一个快速、安全且易用的解决方案，增强了金融交易和辅助技术。
引用
@article{arxiv.2502.17907,
title = {BD Currency Detection: A CNN Based Approach with Mobile App Integration},
author = {Syed Jubayer Jaman and Md. Zahurul Haque and Md Robiul Islam and Usama Abdun Noor},
journal= {arXiv preprint arXiv:2502.17907},
year = {2025}
}