团队近期成果--基于轻量级网络的防伪标签检测算法

我们团队在核心期刊《上海大学学报（自然科学版）》上发表论文“基于轻量级网络的防伪标签检测算法”。该论文以上海大学计算机工程与科学学院为第一单位，硕士生张宏坤为第一作者，韩越兴老师为通讯作者，此工作还得到了陈侨川老师、巫金波老师的大力支持。

近年来，伪造盗版产品带来的经济损失逐年增加，伪造技术不断提升，防伪检测问题受到了研究人员的广泛关注。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，本工作提出了一种基于轻量级网络的防伪标签识别检测模型。模型采用更为轻量的卷积神经网络（convolutional neural networks, CNN）来进行形状和纹理识别。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）模块增强模型的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，最后通过特征向量最大值得到预测结果。实验结果表明，所提方法整体识别检测准确率可达到95.67%，检测时间相较于传统方法有明显提升。