典型文献
基于卷积神经网络的多标签图像分类识别算法研究
文献摘要：
准确获取和判断多标签图像中的信息,需实现该图像的精准分类识别,因此,研究基于卷积神经网络的多标签图像分类识别算法.利用四元数Gabor滤波卷积算法提取该类图像特征,将获取特征向量作为卷积神经网络模型的输入,通过模型的卷积、池化,以及单层感知器的学习和训练识别图像,实现多标签图像的识别;对模型实行双重优化,提升模型收敛速度;同时采用基于实例差异化的多标签图像分类方法,实现多标签图像分类.测试结果表明:对不同复杂程度图像纹理特征提取收敛性能良好,可准确完成多标签图像中的目标识别,Kappa系数均在0.8以上,分类效果良好.
文献关键词：
卷积神经网络;多标签图像;分类识别;图像特征;双重优化;特征向量
中图分类号：
作者姓名：
张晓瑞
作者机构：
安徽三联学院电子电气工程学院 安徽 合肥230601
文献出处：
引用格式：
[1]张晓瑞-.基于卷积神经网络的多标签图像分类识别算法研究)[J].通化师范学院学报,2022(02):75-82
A类：
B类：
多标签图像分类,分类识别,识别算法,算法研究,精准分类,四元数,Gabor,卷积算法,图像特征,特征向量,卷积神经网络模型,池化,感知器,识别图,双重优化,收敛速度,分类方法,复杂程度,图像纹理特征,纹理特征提取,收敛性能,目标识别,Kappa,分类效果
AB值：
0.251503
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
