基于目标检测与迁移学习的啤酒瓶分类
计算机视觉与模式识别
2022-01-12 v1 机器学习
摘要
分类问题是计算机视觉中的常见问题。尽管如此，目前尚无专门针对啤酒瓶分类的研究。作为深度学习硕士课程挑战赛的一部分，我们创建了一个包含5207张啤酒瓶图像及品牌标签的数据集。每张图像恰好包含一个啤酒瓶。本文提出一种深度学习模型，采用两步法对啤酒瓶图片进行分类。第一步，Faster-R-CNN独立于品牌检测出与分类相关的图像区域。第二步，相关图像区域由ResNet-18进行分类。置信度最高的图像区域被返回作为类别标签。我们提出了一种模型，在挑战赛最终测试数据集上超越了经典的单步迁移学习方法，达到了99.86%的准确率。挑战赛结束后，我们实现了100%的准确率。
引用
@article{arxiv.2201.03791,
title = {Classification of Beer Bottles using Object Detection and Transfer Learning},
author = {Philipp Hohlfeld and Tobias Ostermeier and Dominik Brandl},
journal= {arXiv preprint arXiv:2201.03791},
year = {2022}
}