10.3772/j.issn.1002-0470.2018.11-12.006
基于改进的卷积神经网络在图片分类中的应用
为解决传统的机器学习算法在图片分类中存在的准确率不高、耗时较长、难以适应复杂背景等问题,本文提出了基于改进的卷积神经网络(CNN)LeNet-5的方法.该方法增加卷积核的个数能够有效地提取目标的特征,合理扩充数据集使得模型能够更快收敛,对比了不同激活函数对实验的影响,最后加入dropout层减少参数的个数.在对101_ObjectCategories图片库的3种目标(飞机、椅子、帆船)进行的分类实验中表明,本文提出的方法准确率高、分类效果良好、实用性强.
分类、卷积神经网络(CNN)、LeNet-5、数据集、激活函数
28
河北省自然科学基金F2016203249
2019-03-18（万方平台首次上网日期，不代表论文的发表时间）
共7页
930-936
