基地NMF和ENN的货币识别方法研究的中期报告.docx

该【基地NMF和ENN的货币识别方法研究的中期报告 】是由【niuwk】上传分享，文档一共【2】页，该文档可以免费在线阅读，需要了解更多关于【基地NMF和ENN的货币识别方法研究的中期报告 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。基地NMF和ENN的货币识别方法研究的中期报告该研究旨在对基于神经网络的货币识别方法进行探究和实验,以提高货币自动识别的准确性和效率。本报告为该研究的中期报告,主要介绍研究背景、研究方法、实验结果及未来工作展望。一、研究背景货币流通广泛,涉及日常生活的方方面面,因此对货币进行自动识别具有重要的意义。目前,基于神经网络的货币识别方法被广泛应用于自动化设备和系统中,该方法利用高速摄像机拍摄货币的图像,然后通过图像处理技术提取货币的特征,最后利用神经网络进行识别。其中,NMF(Non-negativeMatrixFactorization,非负矩阵分解)和ENN(ExtremeLearningMachine,极限学****机)是两种常用的神经网络模型,具有快速训练和高识别精度等优点。二、研究方法本研究采用NMF和ENN两种神经网络模型对货币进行识别,其具体步骤分为以下四个:。本研究选取了包括美元、欧元、英镑等在内的多种货币作为数据集,共计5306张货币图像,其中训练集和测试集1:1分配。。采用SIFT算法进行货币图像的关键点提取和特征描述。。将提取得到的特征向量输入NMF和ENN两种神经网络模型中进行训练,并对不同参数和超参数的组合进行实验。。将待识别的货币图像进行特征提取和神经网络识别,输出识别结果,并计算识别准确率和识别速度。三、实验结果本研究采用了不同参数和超参数组合进行实验,最终得到了如下的实验结果:%左右,。%左右,。通过对比NMF和ENN两种模型的实验结果,可以发现ENN模型在识别准确率和速度方面都表现得更优秀。四、未来工作展望未来,本研究将继续进行NMF和ENN模型的优化和改进,提高其在货币识别中的精度和效率。同时,也将探究更多的神经网络模型和图像处理方法,以期达到更好的货币识别效果。