改进的卷积神经网络图片分类识别方法

2018-12-13 09:15:36董莺艳
计算机应用与软件 2018年12期
关键词:分类特征

闫 河 王 鹏 董莺艳 罗 成 李 焕

1(重庆理工大学计算机科学与工程学院 重庆 401320)2(重庆理工大学两江人工智能学院 重庆 401147)

0 引 言

图像识别是通过计算机模拟人类对图片的分类理解,自动的把图片归为不同的语义类别。目前,图像识别在众多领域都有广泛的应用。对于图像识别目前有两个主要研究的方向:一是对特征的提取;二是对图片分类算法的研究。目前基于支持向量机[1]的分类虽然取得较好的成绩,但是还存在挑战。由计算机表达出来的特征和人类对于大脑皮层所感知的信息还存在差距。这个问题也是我们面临的巨大挑战。如何用计算机构建一个对高层语义理解的方法是急需解决的关键问题。而随着卷积神经网络的提出,这个关键的问题也在逐渐的被解决。目前,深度学习技术在近几年取得了突破性的进展,特别是在视觉方面。卷积神经网络在图像分类[2]、图像检索[3]、图片识别[4]等方面都取得较好的效果。文献[5]在1999年实现了对手写体数字的识别。AlexNet[2]网络在2012年的ImageNet大赛上取得了冠军。VGG[3]网络进一步提高了识别精度,同时把网络层数增加到19层,并在2014年的比赛中取得了第一名的好成绩。文献[4]提出了更深层的网络结构,把网络层数进一步提高,并达到了22层,同时获得了2014年视觉挑战赛的冠军。文献[6]研究了线性整流函数,通过和GoogleNet的对比,把准确率提高了26%。通过以上大赛中应用卷积神经网络的对比实验可以发现。神经网络的深度直接影响计算机视觉任务的效果。……

登录APP查看全文

猜你喜欢
分类特征
分类算一算
垃圾分类的困惑你有吗
大众健康(2021年6期)2021-06-08 19:30:06
如何表达“特征”
不忠诚的四个特征
当代陕西(2019年10期)2019-06-03 10:12:04
教你一招:数的分类
给塑料分分类吧
线性代数的应用特征
河南科技(2014年23期)2014-02-27 14:19:15