基于深度学习的图像特征识别方法研究

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：随着图像资源的易得和丰富，在现代生产和智能生活等多个领域，图像使用正变得日益普遍和重要。传统识别方法使用特征单一、对像素间复杂关系的表现力不足，已不能满足日渐多样的图像特征识别需求。深度学习方法能够自动学习、深度挖掘并综合利用多特征信息，因此，将深度学习应用到图像特征识别领域，可显著提高特征识别的有效性。深入分析深度网络挖掘图像信息的机制、判断影响深度学习算法性能的因素、探寻深度网络解决实际问题的方法和途径，是本研究的重点内容。　　利用深度学习基本理论，设计了基于稀疏自编码深度学习网络，能够有效学习用于图像重构的基元特征。通过这些基元特征的稀疏性组合，实现对原图像有用信息的去冗余抽象，这种抽象结果能更好地提高图像特征识别性能。通过对手写体数字图像的实验，验证深度网络稀疏重构原图像的特点。通过控制变量法，研究影响深度网络图像特征识别效果的相关因素。实验表明，网络层数和层神经元数量等因素，呈现“设置过多或过少都会降低图像特征识别准确率”的钟型曲线特点。以单玉米籽粒图像为实验对象，研究了籽粒完整性特征的深度学习识别方法。实验通过稀疏自编码和深度卷积两种深度网络实现，两者都取得了超过95％的识别准确率，明显高于传统单隐层反向传播网络71.93%的识别准确率。此外，通过对二者训练时的研究分析，可以看出稀疏自编码网络的学习训练速度更快，更容易满足实时性的需求。　　通过系列实验证明，深度学习网络更适合解决大规模图像的特征识别问题。本文设计的稀疏自编码深度学习网络，具有识别效果好、网络学习训练速度快的特点。将其应用于玉米籽粒图像完整性特征识别领域，能够兼顾精度和速度的需求。

原文链接:http://d.wanfangdata.com.cn/Thesis/D01044162

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：方法研究 识别方法 深度学习 学习的 wanfangdata 深度学习 图像特征识别 玉米籽粒 稀疏自编码

谢谢分享