基于卷积神经网络的图像识别算法研究
2021-11-07叶建龙胡新海
安阳师范学院学报 2021年5期
叶建龙,胡新海
(陇南师范高等专科学校,甘肃 成县 742500)
0 引言
科学技术的飞速发展,自媒体的日新月异,图像视频充斥着人类生活的方方面面,基于海量数据的图像分类和识别技术成为当前研究的热点,也对相关的研究提出了更高的要求[1]。目前,由于图像的复杂性以及各种算法本身固有的局限性,图像识别领域在海量图像识别的精度和性能等方面仍然是研究的难点,主流的技术包括支持向量机、基于纹理特征等图像特征提取和分类算法,其中传统的基于支持向量机的图像分类技术精度仅仅达到48%左右,距离期望值相去甚远[2]。Grishick等人提出了将卷积神经网络与推荐方法相结合进行图像特征提取和分类工作,提取精度较高但检测速度比较慢[3]。Zhou等学者将机器视觉与改进的SVM分类算法结合应用于农作物病虫害识别工作,检测准确率也有较大的提升,弊端在于算法复杂度较高[4]。2011年以后,深度学习技术日趋成熟并广泛应用,在自然语言处理、语言识别等很多领域都取得了良好的成果,如何将深度学习技术与图像识别深度融合提升识别的准确率和性能,是研究的重点所在。
基于前人研究的基础上,提出改进的卷积神经网络的图像识别算法,结合卷积神经网络具有的共享权值、自学习提取分类特征、网络训练的优势,在模型训练阶段通过归纳迁移算法构建模型网络及共享特征参数,图像分类过程中使用交叉熵损失函数提升模型的泛化性以及分类的准确率。……
登录APP查看全文
