基于卷積神經(jīng)網(wǎng)絡(luò)的圖像目標(biāo)識(shí)別算法
大小：0.87 MB 人氣： 2017-12-20 需要積分：1
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
針對(duì)圖像在平移、旋轉(zhuǎn)或局部形變等復(fù)雜情況下的識(shí)別問題，提出一種基于非監(jiān)督預(yù)訓(xùn)練和多尺度分塊的卷積神經(jīng)網(wǎng)絡(luò)（CNN）目標(biāo)識(shí)別算法。算法首先利用不合標(biāo)簽的圖像訓(xùn)練一個(gè)稀疏自動(dòng)編碼器，得到符合數(shù)據(jù)集特性、有較好初始值的濾波器集合。為了增強(qiáng)魯棒性，同時(shí)減小下采樣對(duì)特征提取的影響，提出一種多通路結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)，對(duì)輸入圖像進(jìn)行多尺度分塊形成多個(gè)通路，每個(gè)通路與相應(yīng)尺寸的濾波器卷積，不同通路的特征經(jīng)過局部對(duì)比度標(biāo)準(zhǔn)化和下采樣后在全連接層進(jìn)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(biāo)識(shí)別。仿真實(shí)驗(yàn)中，所提算法對(duì)STL-IO數(shù)據(jù)集和遙感飛機(jī)圖像的識(shí)別率較傳統(tǒng)的CNN均有提高，并對(duì)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(duì)
(0) 0%
下載地址
基于卷積神經(jīng)網(wǎng)絡(luò)的圖像目標(biāo)識(shí)別算法下載
相關(guān)電子資料下載
- 神經(jīng)網(wǎng)絡(luò)預(yù)測模型的構(gòu)建方法 109
- CNN的定義和優(yōu)勢 112
- 基于CNN的網(wǎng)絡(luò)入侵檢測系統(tǒng)設(shè)計(jì) 105
- 數(shù)據(jù)分析有哪些分析方法 82
- 數(shù)據(jù)分析與數(shù)據(jù)挖掘的區(qū)別 55
- rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò) 164
- rnn是什么神經(jīng)網(wǎng)絡(luò)模型 162
- rnn是什么神經(jīng)網(wǎng)絡(luò) 174
- 遞歸神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)形式主要分為 129
- 簡述遞歸神經(jīng)網(wǎng)絡(luò)的計(jì)算過程 135