利用卷积神经网络改进迭代深度学习算法的图像识别方法
研究
孙平安;祁俊;谭秋月
【期刊名称】《计算机应用研究》 【年(卷),期】2019(036)007
【摘要】针对图像识别算法中图像集上几何曲面的特定分类会导致判别信息丢失的问题,提出一种融合卷积神经网络的改进型迭代深度学习算法(IIDLA).该算法采用混合卷积网进行底层的平移不变特征学习,以层次化的方式迭代应用卷积神经网络对输入图像集的不同非线性特征进行学习.算法的图库和查询实例中包括了不同视角、背景、面部表情、解析度和照明度的人脸或物体图像集.采用数据集将提出的算法与其他算法进行评估对比,实验结果表明提出的算法在被测数据集上的性能最优.
【总页数】5页(2223-2227)
【关键词】深度学习;卷积神经网络(CNN);自适应;图像识别;层次化迭代 【作者】孙平安;祁俊;谭秋月
【作者单位】武夷学院实验室管理中心,福建武夷山354300;青海大学计算机技术与应用系,西宁810016;武夷学院数学与计算机学院,福建武夷山354300 【正文语种】中文 【中图分类】TP391.41 【相关文献】
1.基于深度学习卷积神经网络图像识别技术的研究与应用 [J], 杨子贤
2.基于卷积神经网络的田间多簇猕猴桃图像识别方法 [J], 傅隆生; 冯亚利;
Elkamil Tola; 刘智豪; 李瑞; 崔永杰
3.基于局部调节卷积神经网络的图像识别方法 [J], WU Lushen; CHANG Cancan; WANG Xiaohui; CHEN Huawei
4.基于深度学习卷积神经网络图像识别技术的研究分析探讨 [J], 苏越 5.基于卷积神经网络的宫颈癌细胞图像识别的改进算法 [J], 夏为为; 夏哲雷
以上内容为文献基本信息，获取文献全文请下载
利用卷积神经网络改进迭代深度学习算法的图像识别方法研究
