基于卷积神经网络多层特征提取的目标识别
目标识别一直是人工智能领域的热点问题.为了提高目标识别的效率,提出了基于卷积神经网络多层特征提取的目标识别方法.该方法将图像输入卷积神经网络进行训练,在网络的每个全连接层分别进行特征提取,将得到的特征依次输入到分类器,对输出结果进行比较.选取经过修正线性单元relu函数激活的低层全连接层作为特征提取层,比选取高层全连接层特征提取的识别率高.本文构建了办公用品数据集,实现了基于卷积神经网络多层特征提取的办公用品识别系统.选择AlexNet卷积神经网络模型的relu6层作为特征选取层,选择最优训练图像数量和最优分类器构建系统,从而证明了该方法的可行性.
卷积神经网络、特征提取、深度学习、识别、分类器
26
国家自然科学基金61502259;山东省自然科学基金ZR2011FQ038
2018-04-10(万方平台首次上网日期,不代表论文的发表时间)
共7页
64-70