基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
图像是人类获取信息的重要方式之一.为了实现图像识别等功能,人们开始利用计算机.本文拟构建卷积神经网络,在图像识别领域采用深度学习算法,研究不同的网络训练方法,实现图像识别的图形化操作界面,并且能够在互联网的支持下使用图像识别功能.本文将深度学习与图形化界面相结合,可获得较高的准确率,使深度学习应用的试验和开发更为简单,图像识别结果的展现也更为直观,能促进深度学习理论的进一步发展.
推荐文章
应用神经网络方法解决小麦高产群体图像识别
小麦高产群体图像
图像分割
图像增强
BP人工神经网络
图像识别
基于BP神经网络的智能制造系统图像识别技术
B/S模式
智能制造系统
BP神经网络
图像识别技术
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
深度学习
卷积神经网络(CNN)
自适应
图像识别
层次化迭代
基于双概率神经网络的纹理图像识别
纹理识别
小波包变换
差异演化
双概率神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 应用深度学习神经网络的图像识别系统
来源期刊 福建电脑 学科 工学
关键词 深度学习 神经网络 图像识别
年,卷(期) 2020,(1) 所属期刊栏目 应用与开发
研究方向 页码范围 65-67
页数 3页 分类号 TN911.73
字数 2890字 语种 中文
DOI 10.16707/j.cnki.fjpc.2020.01.022
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 彭欣仪 铜陵学院数学与计算机学院 1 1 1.0 1.0
2 李磊 铜陵学院数学与计算机学院 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (20)
共引文献  (20)
参考文献  (7)
节点文献
引证文献  (1)
同被引文献  (3)
二级引证文献  (0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(5)
  • 参考文献(1)
  • 二级参考文献(4)
2016(8)
  • 参考文献(0)
  • 二级参考文献(8)
2017(6)
  • 参考文献(2)
  • 二级参考文献(4)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2020(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
深度学习
神经网络
图像识别
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
福建电脑
月刊
1673-2782
35-1115/TP
大16开
福州市华林邮局29号信箱
1985
chi
出版文献量(篇)
21147
总下载数(次)
86
论文1v1指导