基于卷积神经网络的图像识别被引量：4

下载PDF

导出

摘要本文针对猫狗图像二分类问题,以深度学习框架Keras为基础,提出一种333卷积神经网络架构,以softmax函数作为输出层激活函数,对每一层均使用Dropout方法来缓解过拟合现象。通过对模型的训练,其实验结果表明,该模型能够达到90%的精度。

作者秦川

机构地区四川省体育彩票管理中心

出处《电子技术与软件工程》 2020年第1期98-99,共2页 ELECTRONIC TECHNOLOGY & SOFTWARE ENGINEERING

关键词 CNN 图像识别猫狗

分类号 TP391.41 [自动化与计算机技术—计算机应用技术] TP183 [自动化与计算机技术—控制理论与控制工程]

引文网络
相关文献

参考文献6

1邱靖,刘继荣,曹志勇,李俊杰,杨毅.基于卷积神经网络的水稻病害图像识别研究[J].云南农业大学学报（自然科学版）,2019,34(5):884-888. 被引量：32
2凌语,孙自强.基于卷积神经网络的乳腺病理图像识别算法[J].江苏大学学报（自然科学版）,2019,40(5):573-578. 被引量：20
3邱津怡,罗俊,李秀,贾伟,倪福川,冯慧.基于卷积神经网络的多尺度葡萄图像识别方法[J].计算机应用,2019,39(10):2930-2936. 被引量：14
4廖恩红,李会芳,王华,庞雄文.基于卷积神经网络的食品图像识别[J].华南师范大学学报（自然科学版）,2019,51(4):113-119. 被引量：15
5刘嘉政.基于卷积神经网络的小样本树皮图像识别方法[J].西北林学院学报,2019,34(4):230-235. 被引量：11
6刘万军,梁雪剑,曲海成.基于双重优化的卷积神经网络图像识别算法[J].模式识别与人工智能,2016,29(9):856-864. 被引量：35

二级参考文献42

1何勇,李晓丽,邵咏妮.基于主成分分析和神经网络的近红外光谱苹果品种鉴别方法研究[J].光谱学与光谱分析,2006,26(5):850-853. 被引量：148
2宋凯,孙晓艳,纪建伟.基于支持向量机的玉米叶部病害识别[J].农业工程学报,2007,23(1):155-157. 被引量：34
3赵志宏,杨绍普,马增强.基于卷积神经网络LeNet-5的车牌字符识别研究[J].系统仿真学报,2010,22(3):638-641. 被引量：151
4刘君,王振中,李宝聚,郇中丹,黄海洋.基于图像处理的作物病害自动识别系统的研究[J].计算机工程与应用,2012,48(13):154-158. 被引量：30
5孔英会,景美丽.基于混淆矩阵和集成学习的分类方法研究[J].计算机工程与科学,2012,34(6):111-117. 被引量：46
6王军英.基于BP神经网络的葡萄病害诊断系统研究[J].农业网络信息,2013(8):30-33. 被引量：4
7龚丁禧,曹长荣.基于卷积神经网络的植物叶片分类[J].计算机与现代化,2014(4):12-15. 被引量：65
8曾智勇,刘侍刚.加权的多尺度多分辨率人脸描述与识别方法[J].模式识别与人工智能,2014,27(4):378-384. 被引量：1
9黄凯奇,任伟强,谭铁牛.图像物体分类与检测算法综述[J].计算机学报,2014,37(6):1225-1240. 被引量：195
10陈佳娟,纪寿文,李娟,赵学笃.采用计算机视觉进行棉花虫害程度的自动测定[J].农业工程学报,2001,17(2):157-160. 被引量：67

共引文献118

1刘云玲,张天雨,姜明,李勃,宋坚利.基于机器视觉的葡萄品质无损检测方法研究进展[J].农业机械学报,2022,53(S01):299-308. 被引量：8
2刘雅楠,王晓艳,李靖宇,郝利国,赵添羽,邹鹤,许东滨.基于空间注意力机制的EfficientNet乳腺癌病理图像分类研究[J].电子元器件与信息技术,2022,6(8):1-4. 被引量：1
3抓住机遇深化改革推动邵阳市包装工业稳步发展[J].湖南包装,2000,15(1):10-11.
4田亮,张任.平移校正下印刷图像缺陷检测优化仿真[J].计算机仿真,2019,36(1):409-412. 被引量：2
5刘万军,梁雪剑,曲海成.自适应增强卷积神经网络图像识别[J].中国图象图形学报,2017,22(12):1723-1736. 被引量：27
6熊红凯,高星,李劭辉,徐宇辉,王涌壮,余豪阳,刘昕,张云飞.可解释化、结构化、多模态化的深度神经网络[J].模式识别与人工智能,2018,31(1):1-11. 被引量：8
7杨梅,谭泽富,蔡黎.基于自适应形状上下文特征的实时杆号识别[J].计算机工程与应用,2018,54(12):187-191. 被引量：4
8高友文,周本君,胡晓飞.基于数据增强的卷积神经网络图像识别研究[J].计算机技术与发展,2018,28(8):62-65. 被引量：50
9张娟.三维多媒体视觉图像人工智能识别方法仿真[J].计算机仿真,2018,35(9):435-438. 被引量：12
10丁晓龙.基于深度学习的图像风格迁移技术的前沿进展[J].电子制作,2018,26(18):86-87. 被引量：8

同被引文献35

1李彦,汪胜前,邓承志.多尺度几何分析的图像去噪方法综述[J].计算机工程与应用,2011,47(34):168-173. 被引量：27
2王刚,高晓丁,唐明飞,谭东财.基于无线传感器网络的人体体温监测系统[J].纺织高校基础科学学报,2012,25(1):111-113. 被引量：3
3李志义,朱泓,刘志军,夏远景.用成果导向教育理念引导高等工程教育教学改革[J].高等工程教育研究,2014,62(2):29-34. 被引量：1282
4李晓梅,耿晓光.红外热成像技术及其在水务视频监控上的应用[J].工业控制计算机,2014,27(4):76-77. 被引量：4
5黄凯奇,陈晓棠,康运锋,谭铁牛.智能视频监控技术综述[J].计算机学报,2015,38(6):1093-1118. 被引量：400
6申天恩,斯蒂文.洛克.论成果导向的教育理念[J].高校教育管理,2016,10(5):47-51. 被引量：470
7唐传佳,周波,王克杰,陈立新.一体化红外测温监测技术研究与应用[J].安徽电气工程职业技术学院学报,2017,22(1):118-121. 被引量：2
8白琮,黄玲,陈佳楠,潘翔,陈胜勇.面向大规模图像分类的深度卷积神经网络优化[J].软件学报,2018,29(4):1029-1038. 被引量：63
9邵彦宁.基于深度学习的图像识别算法[J].电子技术与软件工程,2018(10):55-55. 被引量：2
10曹彦鹏,许宝杯,何泽威,官大衍.红外热成像信号处理技术的研究进展[J].振动．测试与诊断,2018,38(2):219-227. 被引量：13

引证文献4

1张洁茹,苏峰,袁培江,王田苗,陶一宁,丁东.双光谱智能体温检测与健康大数据管理系统[J].北京航空航天大学学报,2020,46(9):1739-1746. 被引量：6
2陈娟,刘锋林,黄麒之,文泉.基于成果导向教学的人工智能课程改革[J].软件导刊,2020,19(12):19-22. 被引量：4
3文泉,张懿虎,陈娟.面向OBE和新工科的统计学习课程实践案例[J].计算机教育,2021(4):82-84. 被引量：1
4张叶娥,侯怡婧,杨航.基于深度学习的黄花病株智能识别系统的开发[J].电子技术与软件工程,2022(2):25-28.

二级引证文献11

1吴冠华,陈璐,朱海涛,陈丰照.基于“大数据+AI”的疫情智能监控分析系统[J].信息与电脑,2020,32(21):74-76. 被引量：5
2金玉成,吴启明,敖培华,吴树虎.一种基于人脸识别技术的测温消毒一体机设计[J].科技创新与应用,2021,11(15):42-44.
3张星,冶艳艳,郭利辉,胡冠中.基于OBE理念的500kV变电站培训教学平台的设计[J].电子技术与软件工程,2021(14):221-222.
4杨诚,易杨,林建熙,夏伟.基于GIS数据交互的大数据动态自动化平台设计与研究[J].制造业自动化,2021,43(8):137-141.
5马超,石小川,张典.卓越项目管理体系赋能的人工智能教学改革[J].软件导刊,2021,20(12):187-191. 被引量：4
6彭丽.人工智能课程差异化多维度教学改革研究[J].科教文汇,2021(36):120-122. 被引量：2
7张继,刘锁兰,毕卉,潘操,王洪元.地方高校本科一流课程建设探索——以人工智能基础教学改革为例[J].软件导刊,2022,21(7):126-129. 被引量：6
8单正叶.基于显示屏的多光谱智能检测技术研究[J].自动化应用,2023,64(5):193-195.
9徐志鹏,江文程,黄鑫泰,潘越,伍勇强,赵黎明.基于YOLO目标检测算法的多功能防疫巡逻机器人的设计与实现[J].电子制作,2023,31(7):69-72.
10陈榆,何慧敏,梁志胜,欧旭.基于MapReduce的健康大数据并行挖掘算法研究[J].现代电子技术,2023,46(12):79-83.

1侯长喜.这是贵族吗[J].杂文选刊,2020,0(1):61-61.
2楚河.村医(组章)[J].群文天地（贵州）,2019,0(4):37-38.
3新职业层出不穷新选择五花八门[J].劳动保障世界,2019,0(34):32-33.
4王亚刚,王萌.基于Softplus+HKELM的彩色图像超分辨率算法[J].计算机与数字工程,2020,48(1):153-157.
5董睿杰,杨瑞娟,李东瑾,彭岑昕,王国超.基于深度学习的通信辐射源调制样式识别方法[J].空军预警学院学报,2019,33(6):427-431.
6孟诗语,黄英来,赵鹏,李超,刘镇波,刘一星,徐艳.卷积神经网络用于近红外光谱古筝面板木材分级[J].光谱学与光谱分析,2020,40(1):284-289. 被引量：4
7熊慧洁.舞鞋[J].英语广场,2019,0(12):51-51.

电子技术与软件工程

2020年第1期

浏览历史

内容加载中请稍等...

基于卷积神经网络的图像识别被引量：4

参考文献6

二级参考文献42

共引文献118

同被引文献35

引证文献4

二级引证文献11

相关作者

相关机构

相关主题

浏览历史

基于卷积神经网络的图像识别 被引量：4

参考文献6

二级参考文献42

共引文献118

同被引文献35

引证文献4

二级引证文献11

相关作者

相关机构

相关主题

浏览历史

基于卷积神经网络的图像识别被引量：4