深度学习技术在尼亚尔货币分类中的性能比较
计算机视觉与模式识别
2024-12-04 v1
摘要
尼亚尔是尼日利亚日常交易的官方货币。本研究提出了部署和评估深度学习(DL)模型以对货币面额进行分类的做法。使用包含1,808张尼亚尔货币图像的数据集，在不同条件下捕获，使用不同架构的模型进行训练，结果显示MobileNetV2获得了最高的准确率，训练时准确率为90.75%，验证准确率为87.04%，在各种情景下均表现出色。该模型在实际应用中具有重要潜力，包括自动化货币处理系统、分拣系统以及视力受损人士的辅助技术。结果表明，该模型可以提高尼日利亚经济的安全性和金融交易的效率。
关键词
引用
@article{arxiv.2412.02072,
title = {Performance Comparison of Deep Learning Techniques in Naira Classification},
author = {Ismail Ismail Tijjani and Ahmad Abubakar Mustapha and Isma'il Tijjani Idris},
journal= {arXiv preprint arXiv:2412.02072},
year = {2024}
}