基于卷积神经网络的场景分类预测模型应用

• 作者: 涂蓝
• 来源期刊: 电脑编程技巧与维护
• 关键词: 卷积神经网络 场景分类 教学应用 Python语言
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 图形处理与多媒体技术
• 页码范围: 142-144
• 页数: 3页
• 语种: 中文
• DOI: 10.3969/j.issn.1006-4052.2021.05.058

摘要

传统的场景分类技术对场景数据的采集、特征提取和预测模型复杂,且识别度及识别结果不高,卷积神经网络技术的优化升级,给场景分类模型提供了坚实的基础,为了提高场景图像特有的特征属性和场景分类的可辨别性,提出了卷积神经网络(CNN)的场景分类模型.此模型建构方法:(1)应用卷积神经网络的机器学习算法和递归神经网络,分别对数据库中的10种场景(每种场景有上百幅图片)做加权和特征提取;(2)用Python语言编程对训练的场景进行模型的建立;(3)用百幅图片数据集之外的10个图片投入模型中,读取结果,测试结果表明,这10个新的数据集能够被模型识别出相应的场景,并且准确度达到百分之九十六以上.