结合Parzen分类器和卷积神经网络的图像识别

• 作者: 何平 刘紫燕
• 来源期刊: 电视技术
• 学科: 工学
• 关键词: 图像识别 卷积神经网络 Parzen分类器
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 数字视频
• 页码范围: 16-21,120
• 页数: 7页
• 分类号: TP391
• 字数: 4516字
• 语种: 中文
• DOI: 10.16280/j.videoe.2018.11.004

摘要

针对传统卷积神经网络(Convolutional Neural Networks,CNN)中所用Softmax分类器方法无法有效兼顾识别准确率及识别效率的问题,提出采用Parzen分类器结合CNN的方法进行图像识别,特征提取方面,采用CNN提取图像的特征;识别算法方面,借鉴传统分类器的优势,提出采用Parzen分类器方法进行图像识别.使用MNIST、Pet数据集对该方法进行了测试.实验结果表明,Parzen分类器能有效地进行图像分类,与传统Softmax分类方法相比,在MNIST上的识别准确率提高了0.73％,识别效率提高了20.14％;在Pet Dataset上的识别准确率提高了1.14％,识别效率提高了12.94％.本算法具有较好的泛化性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘紫燕	贵州大学大数据与信息工程学院	64	246	7.0	11.0
2	何平	贵州大学大数据与信息工程学院	2	14	1.0	2.0