摘要
卷积神经网络的核心是利用多个卷积层、池化层和全连接层构成的多分支网络进行高效特征提取和分类。在构建CNN模型时,选择合适的卷积核、正则化方法和优化算法非常重要,细节方面的差异可能会对模型的训练的结果产生重大影响。在实验中,CNN经训练后应对大量输入进模型的图片具有良好的识别性,从而应用于广泛的领域。通过对CNN在大数据图像识别领域的技术特点和优势进行分析,可以预见CNN在未来各个领域都将发挥越来越重要的作用。
出处
《长江信息通信》
2023年第8期66-68,共3页
Changjiang Information & Communications
