基于卷積神經網絡的圖像目標識別算法
大小:0.87 MB 人氣: 2017-12-20 需要積分:1
針對圖像在平移、旋轉或局部形變等復雜情況下的識別問題,提出一種基于非監督預訓練和多尺度分塊的卷積神經網絡(CNN)目標識別算法。算法首先利用不合標簽的圖像訓練一個稀疏自動編碼器,得到符合數據集特性、有較好初始值的濾波器集合。為了增強魯棒性,同時減小下采樣對特征提取的影響,提出一種多通路結構的卷積神經網絡,對輸入圖像進行多尺度分塊形成多個通路,每個通路與相應尺寸的濾波器卷積,不同通路的特征經過局部對比度標準化和下采樣后在全連接層進行融合,從而形成最終用于圖像分類的特征,將特征輸入分類器完成圖像目標識別。仿真實驗中,所提算法對STL-IO數據集和遙感飛機圖像的識別率較傳統的CNN均有提高,并對圖像各種形變具有較好的魯棒性。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于卷積神經網絡的圖像目標識別算法下載
相關電子資料下載
- 神經網絡預測模型的構建方法 109
- CNN的定義和優勢 112
- 基于CNN的網絡入侵檢測系統設計 105
- 數據分析有哪些分析方法 82
- 數據分析與數據挖掘的區別 55
- rnn是遞歸神經網絡還是循環神經網絡 164
- rnn是什么神經網絡模型 162
- rnn是什么神經網絡 174
- 遞歸神經網絡結構形式主要分為 129
- 簡述遞歸神經網絡的計算過程 135