基于CNN-GRNN模型的图像识别

• 作者: 代照坤 刘辉 孙晓峰 江帆 王彬
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 卷积神经网络 广义回归神经网络 支持向量机 反向传播神经网络 降梯度法
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 图形图像处理
• 页码范围: 257-262
• 页数: 6页
• 分类号: TP391
• 字数: 4252字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.04.044

摘要

卷积神经网络(CNN)模型在图像识别中取得了良好的效果,但其识别精度还有进一步提升的空间.为此,设计一种新的图像识别模型CNN-GRNN.利用CNN提取样本图像中的多层次特征信息,将广义回归神经网络代替反向传播神经网络,以提高分类器的泛化能力和鲁棒性,通过均方差和降梯度法训练模型.基于COIL-100和手势库的实验结果表明,与灰度共生矩阵、HU距方法、CNN和CNN-SVM模型相比,CNN-GRNN的识别率分别提升了42.2%,13.43%,3.99%和1.86%,并具有较好的实时性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘辉	昆明理工大学信息工程与自动化学院	147	1430	17.0	34.0
2	王彬	昆明理工大学信息工程与自动化学院	50	321	11.0	15.0
3	代照坤	昆明理工大学信息工程与自动化学院	5	16	2.0	4.0
4	孙晓峰	昆明理工大学信息工程与自动化学院	3	13	2.0	3.0
5	江帆	昆明理工大学信息工程与自动化学院	2	13	2.0	2.0