基于神经网络的图像识别算法及应用研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信

摘要：针对传统图像识别算法训练时间长、识别准确率低等问题，本文构建了两个由卷积层、激活层和池化层组成的基础卷积模块，将 70 000 张手写数字样本输入模型，训练集和测试集的准确率均达到 98% 以上。在此基础上，本文利用迁移学习技术优化 ResNet152 模型结构。第一阶段保持卷积层不变，仅调整全连接层参数，经过多次迭代，训练集准确率稳定在 80% 左右，验证集准确率在 65%～70%。（剩余6567字）

试读结束

目录
monitor