基于卷积神经网络的图像分类及应用

• 作者: 王彬 高嘉平 司耸涛
• 来源期刊: 电子与封装
• 关键词: 深度学习 卷积神经网络 图像分类 图像检测
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 产品、应用与市场|Products & Applications & Markets
• 页码范围: 72-76
• 页数: 5页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.16257/j.cnki.1681-1070.2021.0512

摘要

当前的目标检测在更换检测目标时就必须重新训练卷积神经网络模型,这使得更换检测目标花费时间变多,训练成本增加,且人员对模型的了解程度要求也提高.针对此问题提出了运用卷积神经网络图像分类的方法,首先对检测目标的各个检测状态进行分类,然后运用卷积神经网络图像分类模型对输入图像实时进行图像分类,最后通过分类出来的图像类别来判断检测目标的状态.实验结果表明,该方法能快速更换检测目标,检测准确性可以提高至99.9％,同时对训练成本和人员的技术要求也大幅降低.