基于深度卷积神经网络的图像分类算法优化研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：在图像分类工作中，传统网络算法模型受人工特征信息提取工作的影响，泛化能力较差。鉴于此，文章改进了以深度卷积神经网络为核心的图像分类算法模型。在改进的AlexNet结构中，引入最大-均值池化层替代原本的最大均值池化方式，使用Maxout+Dropout激活函数等进一步提高图像的分类能力。结果表明，优化模型在宠物图像数据库OxfordIIIT Pet测试集中的准确率为85.6%、精确度为88.3%、F1值为89.0%。（剩余8169字）

试读结束

目录
monitor