基于轻量级网络的防伪标签检测算法

近年来,伪造盗版产品带来的经济损失逐年增大,伪造技术不断提升,防伪检测问题受到了广泛关注.为了解决现有防伪检测方法的计算量大、资源占用高、检测耗时较长等问题,提出了一种基于轻量级网络的防伪标签识别检测模型,该模型采用更为轻量的卷积神经网络(convolutional neural network,CNN)来进行形状和纹理的识别.在形状识别任务中,降低池化层大小以增强模型学习能力;在纹理分类任务中,使用协调注意力(coordinate attention,CA)模块来增强模型对单一特征图的信息获取.通过设计损失函数增强模型对真伪样本识别能力,并通过特征向量最大值得到预测结果.实验结果表明,该方法整体识别检测的准确率可达95.67%,检测时间相较于传统方法有显著减少.