基于数据增量的卷积神经网络前视声呐图像识别技术.pdf
康佳****文库
亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于数据增量的卷积神经网络前视声呐图像识别技术.pdf
本发明公开了基于数据增量的卷积神经网络前视声呐图像识别技术,包括五种不同的水下运动目标,所述五种不同的水下运动目标分别为单柱目标、双柱目标、三柱目标、四柱目标和T型目标,所述卷积神经网络前视声呐图像识别技术如下所示:步骤1、从前视声呐原始目标图像中抽取训练集和测试集;步骤2、居中裁剪目标图像并灰度旋转;步骤3、数据增量;步骤4、输入卷积神经网络进行训练;步骤5、得到已训练的卷积神经网络;步骤6、对测试集进行识别分类;本发明不需要繁琐的特征工程,可以极大的减少人工成本并且泛化能力更强,训练速度更快。
基于数据增强的卷积神经网络图像识别研究.pdf
基于数据增强的卷积神经网络图像识别研究高友文;周本君;胡晓飞【摘要】针对深度学习网络在处理图像分类的过程中数据集样本数较少和样本相似度较高的问题,在卷积神经网络模型AlexNet的基础上,提出了对数据集采用数据集扩增、背景分割和主成分分析等数据预处理方法.卷积神经网络模型的基本结构为5个卷积层,2个全连接层和dropout层.实验环境是ubuntu16.04系统,Caffe深度学习框架.实验首先对原始的公开数据集Leaves和苹果表面病变数据集进行分类识别测试,分别得到84%和78%的准确率.然后对数据增
基于卷积神经网络的图像识别.pdf
基于卷积神经网络的彩色图像声呐目标检测.docx
基于卷积神经网络的彩色图像声呐目标检测随着科技的飞速发展,声呐技术逐渐成为海洋、地质和医疗领域中最重要的一种检测手段。声呐通过声波在物体表面反弹所产生的回波信号,来探测物体和水下的情况。在众多声呐应用中,声呐目标检测是其中最为重要的一个方面。本文将介绍基于卷积神经网络的彩色图像声呐目标检测。一、声呐目标检测的背景声呐目标检测的目的是在海洋、地质和医疗场景中,对目标进行检测和识别。虽然传统的声呐检测方法可以实现这个目的,但是它们需要大量的人工干预和数据加工,甚至需要专业的知识和经验。而基于卷积神经网络的彩色
基于卷积神经网络的图像识别研究.docx
基于卷积神经网络的图像识别研究基于卷积神经网络的图像识别研究摘要:卷积神经网络(ConvolutionalNeuralNetworks,CNN)是一种在计算机视觉领域应用广泛的深度学习算法。本文介绍了CNN在图像识别中的应用,并详细分析了其网络结构和训练方法。在实验中,我们采用了经典的LeNet-5模型对手写数字和猫狗图像数据集进行识别,并对结果进行了评估和讨论。结果表明,CNN具有很高的识别准确率,并且能够有效地处理图像的尺度变化、旋转和扭曲等问题。本文还探讨了CNN的发展潜力和未来研究方向。关键词:卷