| 赵新秋,贺海龙,杨冬冬.基于改进的卷积神经网络在图片分类中的应用[J].高技术通讯(中文),2018,28(11-12):930~936 |
| 基于改进的卷积神经网络在图片分类中的应用 |
|
| |
| DOI： |
| 中文关键词: 分类，卷积神经网络（CNN），LeNet 5，数据集，激活函数 |
| 英文关键词: |
| 基金项目: |
|
| 摘要点击次数: 2749 |
| 全文下载次数: 1813 |
| 中文摘要: |
| 为解决传统的机器学习算法在图片分类中存在的准确率不高、耗时较长、难以适应复杂背景等问题，本文提出了基于改进的卷积神经网络（CNN）LeNet 5的方法。该方法增加卷积核的个数能够有效地提取目标的特征，合理扩充数据集使得模型能够更快收敛，对比了不同激活函数对实验的影响，最后加入dropout层减少参数的个数。在对101_ObjectCategories图片库的3种目标（飞机、椅子、帆船）进行的分类实验中表明，本文提出的方法准确率高、分类效果良好、实用性强。 |
| 英文摘要: |
| |
|
查看全文
查看/发表评论 下载PDF阅读器 |
| 关闭 |
|
|
|
