基于深度学习与神经网络结构搜索的水果分类系统
计算机视觉与模式识别
2024-06-05 v1 人工智能
摘要
水果识别过程涉及分析和分类不同水果的视觉特征。该活动可通过多种方法实现，包括手动检查、传统计算机视觉方法以及更高级的机器学习和深度学习方法。我们的研究确定了15种不同的水果类别，包括牛油果、香蕉、樱桃、红脆 apple、金黄 apple 1、杏、葡萄、奇异果、芒果、橙子、木瓜、桃子、菠萝、石榴和草莓。神经网络结构搜索（NAS）是深度学习和人工智能领域中 employed 的一种技术，用于自动化概念化和细化神经网络拓扑结构。NAS旨在识别适用于任务（如水果检测）的高质量神经网络结构。我们建议的模型达到了99.98%的 mAP，提高了使用水果数据集的前一研究研究的检测性能。此外，完成研究后，进行了比较分析，以评估 findings 与另一项与主题相关的研究的 findings。与早期研究的 findings 相比，所提出的检测器在准确率和精确度方面表现更高。
引用
@article{arxiv.2406.01869,
title = {Fruit Classification System with Deep Learning and Neural Architecture Search},
author = {Christine Dewi and Dhananjay Thiruvady and Nayyar Zaidi},
journal= {arXiv preprint arXiv:2406.01869},
year = {2024}
}