10.16208/j.issn1000-7024.2020.05.016
基于迭代训练和集成学习的图像分类方法
针对卷积神经网络提取特征信息不完整导致图像分类方法分类精度不高等问题,利用深度学习的方法搭建卷积神经网络模型框架,提出一种基于迭代训练和集成学习的图像分类方法.利用数据增强对图像数据集进行预处理操作,在提取图像特征时,采用一种迭代训练卷积神经网络的方式,得到充分有效的图像特征,在训练分类器时,采用机器学习中集成学习的思想.分别在特征提取后训练分类器,根据各分类器贡献的大小,赋予它们不同的权重值,取得比单个分类器更好的性能,提高图像分类的精度.该方法在Stanford Dogs、UEC FOOD-100和CIFAR-100数据集上的实验结果表明了其较好的分类性能.
卷积神经网络、特征提取、迭代训练、集成学习、图像分类
41
TP391(计算技术、计算机技术)
国家自然科学基金项目;江西省自然科学基金项目
2020-05-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
1301-1307