通过模式分析在低资源环境下进行货币定量评估：辅助视障用户
计算机视觉与模式识别
2025-09-09 v1
摘要
货币识别系统常忽视可用性和真实性评估，尤其是在视障用户和离线验证常见的低资源环境中。虽然现有方法侧重于面额分类，但通常忽略物理损坏和伪造，限制了其在实际条件下的适用性。本文提出一种统一的货币评估框架，集成三个模块：使用轻量级CNN模型进行面额分类，通过一种新颖的统一货币损伤指数（Unified Currency Damage Index, UCDI）进行损伤量化，以及基于特征的模板匹配进行假币检测。数据集由超过82,000张标注图像组成，涵盖干净、受损和假币。我们的 Custom_CNN 模型在保持低参数数量的同时实现了高分类性能。UCDI 指标基于二值掩码损失、色度失真和结构特征损失提供连续的可用性评分。假币检测模块在各种成像条件下 demonstrate 可靠的假币识别能力。该框架支持实时、基于设备的推理，解决了受限环境中的关键部署挑战。结果表明，准确、可解释且紧凑的解决方案可支持实际场景中包容性的货币评估。
引用
@article{arxiv.2509.06331,
title = {Quantitative Currency Evaluation in Low-Resource Settings through Pattern Analysis to Assist Visually Impaired Users},
author = {Md Sultanul Islam Ovi and Mainul Hossain and Md Badsha Biswas},
journal= {arXiv preprint arXiv:2509.06331},
year = {2025}
}
备注
10 Pages, 9 Figures, 5 Tables