基于卷积神经网络的图像分类技术研究与实现
图像分类问题一直是计算机视觉的一个核心问题,而随着深度学习的发展,也为我们解决图像分类中图像特征提取问题提供了一种很好的解决方法,通过构建具有隐层的机器学习模型和海量的图像训练数据,来学习更有用的图像特征,从而最终提升图像分类或预测的准确性.该文使用Cafie深度学习框架,构建小型的图像数据库,通过Caffe框架给出的卷积神经网络对数据集进行训练分析,提取目标图像特征信息,最后对目标图像进行预测,并和传统的图像分类算法进行对比,预测的准确率有很大的提升.
图像分类、深度学习、Caffe框架、卷积神经网络
12
TP18(自动化基础理论)
江西省研究生创新专项基金YC2015-S275
2017-04-10(万方平台首次上网日期,不代表论文的发表时间)
共3页
209-211