利用卷积神经网络改进迭代深度学习算法的图像识别方法研究

• 作者: 孙平安 祁俊 谭秋月
• 来源期刊: 计算机应用研究
• 关键词: 深度学习 卷积神经网络(CNN) 自适应 图像识别 层次化迭代
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 图形图像技术
• 页码范围: 2223-2227
• 页数: 5页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.01.0071

摘要

针对图像识别算法中图像集上几何曲面的特定分类会导致判别信息丢失的问题,提出一种融合卷积神经网络的改进型迭代深度学习算法(IIDLA).该算法采用混合卷积网进行底层的平移不变特征学习,以层次化的方式迭代应用卷积神经网络对输入图像集的不同非线性特征进行学习.算法的图库和查询实例中包括了不同视角、背景、面部表情、解析度和照明度的人脸或物体图像集.采用数据集将提出的算法与其他算法进行评估对比,实验结果表明提出的算法在被测数据集上的性能最优.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	祁俊	青海大学计算机技术与应用系	17	61	4.0	7.0