基于卷积神经网络多层特征提取的目标识别

• 作者: 成金勇 江彤彤 鹿文鹏
• 来源期刊: 计算机系统应用
• 关键词: 卷积神经网络 特征提取 深度学习 识别 分类器
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 系统建设
• 页码范围: 64-70
• 页数: 7页
• 字数: 5556字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006082

摘要

目标识别一直是人工智能领域的热点问题.为了提高目标识别的效率,提出了基于卷积神经网络多层特征提取的目标识别方法.该方法将图像输入卷积神经网络进行训练,在网络的每个全连接层分别进行特征提取,将得到的特征依次输入到分类器,对输出结果进行比较.选取经过修正线性单元relu函数激活的低层全连接层作为特征提取层,比选取高层全连接层特征提取的识别率高.本文构建了办公用品数据集,实现了基于卷积神经网络多层特征提取的办公用品识别系统.选择AlexNet卷积神经网络模型的relu6层作为特征选取层,选择最优训练图像数量和最优分类器构建系统,从而证明了该方法的可行性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	江彤彤	齐鲁工业大学信息学院	1	12	1.0	1.0
2	成金勇	齐鲁工业大学信息学院	2	13	1.0	2.0
3	鹿文鹏	齐鲁工业大学信息学院	1	12	1.0	1.0