SerendibCoins：探索斯里兰卡硬币数据集
计算机视觉与模式识别
2025-05-27 v1
摘要
硬币的识别与分类是众多金融和自动化系统中必不可少的任务。本研究介绍了一个全面的斯里兰卡硬币图像数据集，并评估了其对机器学习模型在硬币分类中准确率的影响。我们实验了传统机器学习分类器 K-最近邻 (KNN)、支持向量机 (SVM) 和随机森林，以及一个自定义的卷积神经网络 (CNN)，对不同分类层级的性能进行基准测试。我们的结果表明，SVM 在传统分类方法中优于 KNN 和随机森林，而 CNN 模型实现近乎完美的分类准确率，误分类极少。该数据集在提升自动化硬币识别系统方面具有重要潜力，为未来在区域货币分类和深度学习应用领域的研究提供了稳健的基础。
引用
@article{arxiv.2505.18634,
title = {SerendibCoins: Exploring The Sri Lankan Coins Dataset},
author = {NH Wanigasingha and ES Sithpahan and MKA Ariyaratne and PRS De Silva},
journal= {arXiv preprint arXiv:2505.18634},
year = {2025}
}
备注
20 pages