基于卷积神经网络的图像目标识别算法
大小：0.87 MB 人气： 2017-12-20 需要积分：1
针对图像在平移、旋转或局部形变等复杂情况下的识别问题，提出一种基于非监督预训练和多尺度分块的卷积神经网络（CNN）目标识别算法。算法首先利用不合标签的图像训练一个稀疏自动编码器，得到符合数据集特性、有较好初始值的滤波器集合。为了增强鲁棒性，同时减小下采样对特征提取的影响，提出一种多通路结构的卷积神经网络，对输入图像进行多尺度分块形成多个通路，每个通路与相应尺寸的滤波器卷积，不同通路的特征经过局部对比度标准化和下采样后在全连接层进行融合，从而形成最终用于图像分类的特征，将特征输入分类器完成图像目标识别。仿真实验中，所提算法对STL-IO数据集和遥感飞机图像的识别率较传统的CNN均有提高，并对图像各种形变具有较好的鲁棒性。
非常好我支持^.^
(0) 0%
不好我反对
(0) 0%
下载地址
基于卷积神经网络的图像目标识别算法下载
相关电子资料下载
- 神经网络预测模型的构建方法 109
- CNN的定义和优势 112
- 基于CNN的网络入侵检测系统设计 105
- 数据分析有哪些分析方法 82
- 数据分析与数据挖掘的区别 55
- rnn是递归神经网络还是循环神经网络 164
- rnn是什么神经网络模型 162
- rnn是什么神经网络 174
- 递归神经网络结构形式主要分为 129
- 简述递归神经网络的计算过程 135