Sri Lankan CoinVision

Sri Lankan CoinVision是一个全面的斯里兰卡硬币图像数据集，旨在用于货币识别任务。该数据集包含所有面额的斯里兰卡硬币的高分辨率图像，这些图像在不同的条件下捕获，以确保其鲁棒性和通用性。数据集带有详细的元数据注释，包括面额、货币类型（硬币或纸币）和图像质量属性，使其适合用于训练和评估机器学习模型。通过引入Sri Lankan CoinVision，我们希望弥合区域货币识别资源方面的差距，并为解决斯里兰卡金融生态系统的独特挑战的创新解决方案的发展做出贡献。

Sri Lankan CoinVision is a comprehensive image dataset of Sri Lankan coins designed for currency recognition tasks. The dataset includes high-resolution images of Sri Lankan coins across all denominations, captured under diverse conditions to ensure robustness and generalizability. It is equipped with detailed metadata annotations covering denominations, currency type (coin or banknote), and image quality attributes, making it suitable for training and evaluating machine learning models. By introducing Sri Lankan CoinVision, we aim to bridge the gap in regional currency recognition resources and contribute to the development of innovative solutions addressing the unique challenges of Sri Lanka's financial ecosystem.

搜集汇总

数据集介绍

构建方式

在货币识别与分类的研究领域中，构建高质量的数据集是推动自动识别系统发展的关键。本研究采用系统化方法构建了斯里兰卡硬币图像数据集，涵盖了所有现行流通面额的新旧版本硬币。数据采集过程严格控制成像环境，使用1200万像素相机在固定距离下以1:1比例拍摄，确保图像质量的一致性。通过人工筛选包含不同磨损程度（如锈蚀、凹陷）的硬币样本，并采用多角度拍摄策略（正面、背面及边缘视图），构建了具有真实场景代表性的图像库。数据集后期经过标准化预处理，包括手动裁剪、亮度调整及旋转增强（20度间隔），最终形成包含24,867张图像、8个类别的结构化数据集。

使用方法

数据集采用分层目录结构组织，包含训练集与验证集独立目录，每类硬币按面额和版本细分。研究者可直接加载图像数据进行传统特征提取（如ORB算法）或端到端深度学习训练。实验验证表明，该数据集特别适合卷积神经网络的应用，自定义CNN架构在测试中达到近完美分类准确率。建议使用迁移学习框架（如MobileNetV2）进行特征提取，或基于提供的目录结构实施数据增强策略。数据集已预分割为训练/验证子集，可直接用于模型开发与性能评估。

背景与挑战

背景概述

Sri Lankan CoinVision数据集由斯里兰卡贾亚瓦德纳普拉大学应用科学学院计算机科学系的研究团队于2025年创建，旨在填补南亚地区货币识别研究的数据空白。该数据集聚焦斯里兰卡卢比硬币的自动识别问题，包含24,867张高分辨率图像，涵盖8个硬币类别（1、2、5、10卢比的新旧版本），每张图像均标注了铸造年份、材质状态等元数据。作为首个系统性收集斯里兰卡流通硬币的公开数据集，其创新性体现在多状态样本采集（锈蚀、磨损、全新等）和标准化成像流程（固定焦距、多角度拍摄、扩散光源控制），为区域货币的计算机视觉研究提供了重要基准。

当前挑战

该数据集面临双重挑战：在领域层面，斯里兰卡硬币因金属材质反光特性、新旧版本设计差异及高流通导致的磨损变形，使得传统图像分类模型难以稳定提取特征；在构建层面，研究人员需克服小样本条件下（如旧版1卢比仅1672张样本）的类别不平衡问题，并通过数据增强（亮度调整、20度旋转增量等）模拟实际场景中的光照变化和角度偏移。此外，硬币边缘纹理的细微差异要求特征提取算法具备亚毫米级精度，这对MobileNetV2等轻量化模型的架构设计提出了特殊优化需求。

常用场景

经典使用场景

在计算机视觉和机器学习领域，Sri Lankan CoinVision数据集被广泛应用于货币识别和分类任务。该数据集包含了斯里兰卡硬币的高分辨率图像，涵盖了不同面额和状态的硬币，为研究者提供了一个全面的基准数据集。通过使用传统机器学习分类器（如KNN、SVM和随机森林）以及自定义卷积神经网络（CNN），该数据集在硬币分类任务中展现了卓越的性能。特别是在CNN模型中，分类准确率接近完美，为自动化货币识别系统提供了强有力的支持。

解决学术问题

Sri Lankan CoinVision数据集解决了区域货币识别研究中数据不足的问题。由于斯里兰卡硬币的独特设计和多样性，传统的货币识别系统往往难以准确分类。该数据集通过提供多样化的硬币图像（包括新旧版本、不同磨损程度等），为研究者提供了一个可靠的实验平台。此外，该数据集还支持了深度学习模型在货币识别中的应用，展示了CNN在复杂图像分类任务中的优势，为相关领域的学术研究提供了重要参考。

实际应用

在实际应用中，Sri Lankan CoinVision数据集为自动化货币识别系统（如自动售货机、银行货币分拣设备）的开发提供了重要支持。通过利用该数据集训练的模型，这些系统能够高效准确地识别和分类斯里兰卡硬币，显著提升了金融交易的自动化水平。此外，该数据集还可用于辅助视障人士的货币识别工具，帮助他们更独立地进行日常交易。

数据集最近研究

最新研究方向

近年来，Sri Lankan CoinVision数据集在计算机视觉与货币识别领域引发了广泛关注。该数据集填补了南亚地区货币识别研究的空白，特别是在深度学习模型应用于区域货币分类方面展现出独特价值。最新研究聚焦于三个前沿方向：一是基于StyleGAN2的合成数据增强技术，通过生成稀有硬币类别的合成图像有效缓解类别不平衡问题；二是多模态特征融合方法，结合传统ORB特征与MobileNetV2深度特征的混合模型架构；三是轻量化CNN设计，针对移动端部署需求优化模型计算效率。该数据集与土耳其TurCoins、加纳GC3558等国际货币数据集形成互补，共同推动全球货币数字化进程，尤其在辅助视障人士金融自主、智能零售终端等应用场景具有重要社会意义。

相关研究论文

• SerendibCoins: Exploring The Sri Lankan Coins Dataset

  斯里兰卡贾亚瓦德纳普拉大学应用科学学院计算机科学系 · 2025年