典型文献
基于神经网络的图像分类模型的设计与实现
文献摘要：
传统的图像分类方法是采用人工分类图像的即由人眼观察到色彩特征进行特征分类的.随着人工智能时代的到来,图像自动分类处理技术已成为一项研究热点.研究以残差神经网络模型中的ResNet50为目标场景,以残差神经网络在图像分类中的应用及网络优化为切入点,将ResNet50神经网络模型应用到CIFAR10图像集的图像分类问题上,从优化网络模型和优化特征层抽取技术两个方面,对图像分类模型进行了改进.同时对梯度消失,过度拟合等一系列训练过程中可能会遇到的问题进行分析,通过在ResNet50模型的两个卷积层间增加Dropout层和在图像加载到ResNet50模型前进行一系列图像增强技术以便能改善残差网络的结构,从而达到最好的图像分类效果.
文献关键词：
图像分类;残差神经网络;ResNet50模型;图像增强技术
中图分类号：
作者姓名：
刘鹏
作者机构：
苏州盛景信息科技股份有限公司,江苏 苏州 215004
文献出处：
引用格式：
[1]刘鹏-.基于神经网络的图像分类模型的设计与实现)[J].无线互联科技,2022(22):53-55
A类：
B类：
图像分类,分类模型,分类方法,工分,人眼,色彩特征,特征分类,人工智能时代,自动分类,分类处理,残差神经网络,ResNet50,网络优化,模型应用,CIFAR10,分类问题,从优,梯度消失,过度拟合,训练过程,会遇,卷积层,Dropout,载到,图像增强技术,残差网络,分类效果
AB值：
0.378117
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。
