摘 要：为了解决常规图像目标定位识别方法存在的识别准确率较低问题，实现图像目标精准定位识别，该文设计一种新的基于深度学习的图像目标精准定位识别方法，提取图像 CNN 特征以降低定位识别难度，构建图像定位深度学习识别模型以提高识别图像的特征表达能力，设计 Faster 图像定位识别算法以优化识别网络结构，从而实现图像目标定位识别。实验结果表明，设计的图像目标深度学习精准定位识别方法的识别准确率较高，识别效果较好，符合图像目标定位识别的需求，有一定的应用价值。
关键词：深度学习；图像；目标；定位；识别；研究
DOI:10.19850/j.cnki.2096-4706.2023.02.020
基金项目：2023 年广东省科技创新战略专项资金（“攀登计划”专项资金）（pdjh2023b0929）；广东省高职教育教学改革研究与实践项目（GDJG2021175）；2021 年校级质量工程移动互联网应用技术协同创新中心阶段性成果（2021ZL01）
中图分类号：TP391 文献标识码：A 文章编号：2096-4706（2023）02-0083-04
Research on Image Target Location and Recognition Based on Deep Learning
LIN Yongtao, CUI Ning, ZHAO Zhijun, LI Yuan, HUANG Wanxin
(School of Information Engineering and Business Management, Guangdong Nanhua Vocational College of Industry and Commerce, Guangzhou 510507, China)
Abstract: In order to solve the problem of low recognition accuracy of conventional image target location and recognition methods, and achieve image target accurate location and recognition, this paper designs a new image target accurate location and recognition method based on deep learning, extracts image CNN features to reduce the difficulty of location and recognition, and constructs an image location deep learning recognition model to improve the feature expression ability of the recognized image, Fast image location and recognition algorithm is designed to optimize the recognition network structure, so as to achieve image target location and recognition. The experimental results show that the designed image target deep learning precise location recognition method has high recognition accuracy and good recognition effect, which meets the needs of image target location and recognition and has certain application value.
Keywords: deep learning; image; target; location; recognition; research
参考文献：
[1] 类成敏，牟少敏，孙文杰，等 . 基于多尺度注意力残差网络的桃树害虫图像识别 [J]. 山东农业大学学报：自然科学版，2022，53（2）：253-258.
[2] 张冉，李明周，钟立桦，等 . 基于图像识别的铜转炉吹炼造渣期渣含 Fe 预测模型研究 [J]. 有色金属：冶炼部分，2022（4）：21-30.
[3] 唐标，沈映泉，黄绪勇，等 . 基于改进型蚁群算法和图像识别的变电站机器人路径规划和设备缺陷识别研究 [J]. 制造业自动化，2022，44（2）：46-52.
[4] 冯裕清，杨信廷，徐大明，等 . 基于迁移学习和金字塔卷积网络的河蟹个体图像识别方法研究 [J].渔业现代化，2022，49（1）：52-60+71.
[5] 姚青，姚波，吕军等 . 基于双线性注意力网络的农业灯诱害虫细粒度图像识别研究 [J]. 中国农业科学，2021，54（21）：4562-4572.
[6] 肖懿，罗丹，蒋沁知，等 . 基于温度概率密度的变电站高压设备故障热红外图像识别方法 [J]. 高电压技术，2022，48（1）：307-318.
[7] 曹文艳，王然风，樊民强，等 .MRMR 和 SSGMM 联合分类模型的煤泥浮选系统药况图像识别 [J]. 控制理论与应用，2021，38（12）：2045-2058.
[8] 张红斌，熊其鹏，蒋子良，等 . 联合 SENet 异构层特征融合与集成学习的材质图像识别 [J]. 控制与决策，2022，37（6）：1632-1642.
[9] 孙文杰，牟少敏，董萌萍，等 . 基于卷积循环神经网络的桃树叶部病害图像识别 [J]. 山东农业大学学报：自然科学版，2020，51（6）：998-1003.
[10] 赵若晴，王慧琴，王可，等 . 基于方向梯度直方图和灰度共生矩阵混合特征的金文图像识别 [J]. 激光与光电子学进展，2020，57（12）：98-104.
作者简介：林湧涛（2004.12—），男，汉族，广东揭阳人，初级工程师，本科在读，研究方向：数据分析；崔宁（1987.05—），男，汉族，安徽宿州人，讲师，硕士研究生，研究方向：智慧教育与学习；赵志俊（1978.03—），男，汉族，广东广州人，副教授，初级工程师，本科，研究方向：图形图像处理；李渊（2000.08—），男，汉族，广东梅州人，初级工程师，本科在读，研究方向：软件技术；黄婉馨（2003.07—），女，汉族，广东江门人，初级工程师，本科在读，研究方向：软件技术。