典型文献
基于卷积神经网络的教室灯光识别算法研究
文献摘要：
针对高校照明灯数量多、人工管理繁琐、电能浪费等问题,设计了一套高校照明灯自动识别系统.利用教室和图书馆监控截图,采用BP神经网络和卷积神经网络算法分别对照明灯使用情况进行识别.实验结果表明,卷积神经网络算法相对BP神经网络算法有较高的识别率,其识别准确率高达96.5％,能有效地进行照明灯识别.
文献关键词：
图像识别;Python;BP神经网络;卷积神经网络
中图分类号：
作者姓名：
徐微;李彤;李守智
作者机构：
西安交通大学城市学院,陕西西安710018;西安理工大学电气工程学院,陕西西安710048
文献出处：
引用格式：
[1]徐微;李彤;李守智-.基于卷积神经网络的教室灯光识别算法研究)[J].电子设计工程,2022(17):28-31,36
A类：
B类：
教室灯,灯光,识别算法,算法研究,照明灯,人工管理,电能浪费,自动识别系统,截图,神经网络算法,识别率,识别准确率,行照,图像识别,Python
AB值：
0.275186
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。
