典型文献
基于自适应图像增强和CNN的少数民族服饰图像分类研究
文献摘要：
针对传统的少数民族服饰图像分类采用人工处理,无法满足信息化时代对图像自动分类的要求问题,提出了一种基于自适应图像增强和卷积神经网络的少数民族服饰图像分类算法.该算法通过计算复杂环境下少数民族服饰图像的平均亮度,采用不同的算法进行图像增强,提高图像对比度,降低噪声,并利用卷积神经网络学习不同少数民族服饰图像的特征,实现少数民族服饰图像的自动分类.实验结果表明,所提出的算法提高了准确率、召回率和F1值,能够有效地对白族、苗族、蒙古族、维吾尔族和藏族服饰进行分类和识别,为少数民族服饰的信息处理奠定了良好的基础,也为民族文化的传承和保护提供了支持.
文献关键词：
卷积神经网络;自适应图像增强;图像分类;少数民族服饰;深度学习
中图分类号：
作者姓名：
候红涛;汪威;申红婷;刘宽;杨秀璋;罗子江
作者机构：
贵州财经大学信息学院,贵阳 550025;北京盛开智联科技有限公司,北京 101300
文献出处：
引用格式：
[1]候红涛;汪威;申红婷;刘宽;杨秀璋;罗子江-.基于自适应图像增强和CNN的少数民族服饰图像分类研究)[J].现代计算机,2022(24):29-35
A类：
少数民族服饰图像
B类：
自适应图像增强,分类研究,信息化时代,自动分类,图像分类算法,复杂环境,平均亮度,对比度,低噪声,神经网络学习,召回率,白族,苗族,蒙古族,维吾尔族,藏族服饰,信息处理,文化的传承,传承和保护
AB值：
0.173353
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。
