深度学习在图像识别中的研究与应用
2020-07-12王颢
科技视界 2020年24期
王 颢
0 引言
随着信息技术的快速发展,图像的数量呈指数型增长,图像识别技术可以智能、高效地完成海量图像的分类与识别,因此,图像识别一直是计算机视觉领域的研究热点。近年来,深度学习技术的应用范围日益扩大,将深度学习应用到图像识别领域已成为新的研究方向。
1 图像识别
随着网络信息技术的发展,各类社交软件正逐渐成为人们获取信息、保持与他人联络的必备手段。在这些社交软件中,图片由于不会受到语言和文字等地域文化的约束,正在逐渐取代传统的文字信息表达方式。
图像识别技术能够智能的提取图像特征、完成图像分类,现已应用到医疗、交通、安防等各类生活场景中。图像识别一般包括图像预处理、图像特征提取和图像分类三个步骤。图像预处理是通过去除图像中的噪声和干扰,增强有用信息,来提高图像识别的准确率。图像的特征提取是将图像转化为“非图像”的描述,比如数值表示或向量描述等,其基本思想是将高维空间中的原始图像映射或变换为低维特征描述。图像识别是以提取到的图像特征为基础,根据分类决策,得到待识别图像所属的类别。
2 深度学习
深度学习是机器学习的一种,其概念源自人工神经网络(ANN),人工神经网络从信息处理角度模拟了人脑的神经元之间传递和处理信息的模式。2006年,Hinton[1]等人提出深度学习的概念,它是一种包含多隐藏层的神经网络结构,能够更加抽象、更深层次地描述目标对象的特征。……
登录APP查看全文
