10.3969/j.issn.1007-757X.2019.03.012
基于深度学习算法的图像分类方法
图像分类是提高大规模图像检索速度的一项关键技术,当前图像分类方法均存在不同程度的不足,图像分类结果不能满足图像处理的实际应用需求,为了解决当前图像分类方法存在的一些难题,以进一步提高图像分类的效果,提出了基于深度学习算法的图像分类方法.首先对图像分类的国内外研究现状进行综述,指出各种图像分类方法的局限性,然后提取图像分类特征,将图像特征向量作为深度学习算法的输入,图像分类结果作为深度学习算法的输出,通过学习建立图像分类器,最后在Matlab 2016平台与经典图像分类方法的性能进行仿真对照实验.结果 表明,提出的图像分类准确性更优,图像分类的平均时间大幅度降低,图像分类整体结果得到了有效改善,较好地克服了当前图像分类方法的不足,具有较高的实际应用价值.
图像检索、分类特征、深度学习算法、仿真测试、分类时间
35
TP391(计算技术、计算机技术)
陕西省教育厅科研计划项目16JK1109
2019-04-25(万方平台首次上网日期,不代表论文的发表时间)
共4页
40-43