10.3969/j.issn.1001-3881.2019.12.008
基于深度学习的大规模图像高效识别算法研究
面对规模较大的图像识别任务时,基于卷积神经网络的深度学习方法存在训练时间过长的问题,导致识别效率不高.因此,提出一种基于局部特征深度信念网络的大规模图像高效识别算法.首先,该方法从原始图像中提取多个局部特征,并根据分配给图像的标签将每个局部特征分类.然后利用分类后的图像局部特征训练深度信念网络,获得网络的相关参数.最后利用深度信念网络进行图像识别.在CAS-PEAL-R1大规模图像数据集上进行了图像识别实验,结果显示:提出的算法优于其他深度学习方法,具有较好的准确性和高效性.
图像识别、局部分类器、深度学习、深度信念网络、效率
47
TP391(计算技术、计算机技术)
湖南省教育科学"十三五"规划课题基金资助项目XJK19BXX006;湖南省普通高校教学改革研究项目;湖南省教育厅科学研究项目18C1572
2019-09-23(万方平台首次上网日期,不代表论文的发表时间)
共6页
52-57