基于改进卷积神经网络的图像分类方法

• 作者: 胡貌男 谢本亮 邱康
• 来源期刊: 通信技术
• 学科: 工学
• 关键词: 卷积神经网络 图像分类 TensorFlow 激活函数 池化
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 信息处理与传输
• 页码范围: 2594-2600
• 页数: 7页
• 分类号: TP391.9
• 字数: 4030字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0802.2018.11.013

摘要

为解决传统图像分类算法存在特征提取复杂、训练时间长、分类精度较差等问题,提出一种用于图像分类的改进卷积神经网络方法.首先对卷积神经网络结构、池化运算、激活函数、分类器等方面进行介绍,其次设计了该模型的图像分类算法,最后用TensorFlow对MNIST数据集进行试验,并与传统分类算法进行对比分析.结果表明,将改进卷积神经网络应用于图像分类中,能避免对图像进行复杂的预处理,防止过拟合现象,收敛速度快,分类准确率高达99.22％,其分类性能明显优于其他方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢本亮	贵州大学大数据与信息工程学院	7	16	3.0	4.0
2	胡貌男	贵州大学大数据与信息工程学院	1	8	1.0	1.0
3	邱康	贵州大学大数据与信息工程学院	1	8	1.0	1.0