共查询到20条相似文献,搜索用时 15 毫秒
1.
随着科技的发展人脸识别技术得到了巨大的应用,实现人脸识别的方法也越来越多,本文先简单对比了MLP、RNN、CNN这三个神经网络,然后再对CNN的基础结构进行了一个较为详细的介绍,主要通过对LeNet-5卷积神经网络模型结构的分析来了解卷积神经网络,然后设计了一款针对Olivetti Faces人脸数据库的卷积神经网络模型,通过更改卷积层中卷积核个数以及学习速率来进行一系列实验,最终确定在本次实验当中,当学习速率为0.05时,第一层卷积层卷积核数目为20,第二层卷积层数目为40的时候,能够得到一个针对Olivetti Faces人脸数据库有着较高识别率的一个新的卷积神经网络模型。 相似文献
2.
近些年,卷积神经网络的发展日趋成熟,在图像识别、目标检测、自然语言处理等多个领域的性能超过了传统的机器学习算法.然而随着网络性能的提升,部署和运行神经网络对于硬件设备要求越来越高.为了将卷积神经网络部署到算力较低的设备,必须在参数量和准确率之间寻求一个平衡.本文首先介绍三种常规的卷积方式,然后从参数量和计算量的角度加以... 相似文献
3.
4.
针对深度学习下的图像识别技术,研究了图像识别和卷积神经网络的工作原理。分析了AlexNet模型、ResNet模型、MobileNet模型的卷积神经网络模型,以及三种算法模型的各自特点,实现了深度学习环境的搭建,通过实验对比三个模型的分类准确率和训练效率,为深度学习下的图像识别算法研究提供参考。 相似文献
5.
6.
7.
8.
随着深度学习概念的提出,深层神经网络成为机器学习的一个研究方向。在众多的神经网络模型中,卷积神经网络由于具有权值共享、局部感受野、降维等特点,取得了较好的应用成果。卷积神经网络结构包括输入层、卷积层、下采样层、全连接层、输出层,当前层的输出经过激活函数作用后成为下一层的输入。文章对卷积网络的数学模型进行详细推理,采用Python编码实现了深层卷积网络,分别在MNIST和CIFAR-10数据集上进行了测试。实验结果表明,无论是灰度图像还是彩色图像,卷积神经网络都具有较好的识别效果。 相似文献
9.
10.
人脸包含了较多的可区分生物特征信息,这些信息除了可用于身份认证和识别外,还可用于人脸年龄分类等应用.为克服人脸所表征年龄信息会受到复杂的非线性因素例如个体的基因差异、居住环境、健康情况和种族差别等因素的影响,本文使用深度卷积神经网络,通过设计一系列的卷积、池化、全连接和归一化层,对人脸的年龄进行了有效地分类.本算法能克服传统SVM分类算法不能有效处理人脸图像和实际年龄间复杂的非线性关系而带来的准确率下降问题,在FG-NET人脸数据测试集上达到了94.4%的准确率,能有效地应用在安防、人机交互和娱乐影音等领域. 相似文献
11.
12.
卷积神经网络是图像分类领域效果卓越的深度学习算法,然而训练深度神经网络是一项繁琐且复杂的工作,不仅在结构设计上依赖开发人员丰富的经验,还容易产生过拟合现象。因此,该文提出一种基于模型迁移的图像识别方法,该方法能够在简化设计思路的同时极大地提升卷积神经网络的性能。此外还在三个小型图片集上进行了多次模型训练和对比分析。研究结果表明,经过迁移学习优化的卷积神经网络的测试集准确率均得到显著提升。 相似文献
13.
卷积神经网络的发展与应用综述 总被引:1,自引:0,他引:1
《信息通信》2019,(2)
在深度学习大热的现今,人们创造出了许多足以颠覆以前对于机器的认知的程序,如击败李世石的Alpha GO以及之后青出于蓝的Alpha Go Zero,在网络春晚上大放异彩的钢琴机器人特奥等。这些都是以前的浅层网络难以达到的水准,因此越来越多的研究者投入到深层神经网络之中,使得其逐渐成为了目前深度学习的主要形式,本文所介绍的卷积神经网络便是其中的一种代表性的结构。文章主要先讲述了卷积神经网络的发展;之后了解其结构以及各个部分分别在其中起到了怎样的作用;再次,介绍卷积神经网络的改进方法和目前的几个改进网络;最后,文章会介绍一下卷积神经网络具体应用的领域并且在结尾提出目前这一领域所需要面对的需要解决的问题。 相似文献
14.
15.
《电子技术与软件工程》2019,(10)
本文运用深度学习算法将图像内容和风格进行分离,选择原有图像内容与艺术作品的图像风格,采用VGG19模型和计算机数据第三方库,计算得到初始内容与风格总损失;通过不断优化迭代,尽可能降低总损失数值,进而实现图像风格转换。 相似文献
16.
17.
18.
19.
《信息通信》2019,(12)
图像分类是通过图片所给的特征信息将不同的事物进行识别的一种图像处理技术。随着科学技术的快速发展以及人们对生活质量越来越高的需求,图像的自动分类技术已经运用到各个发展领域当中。当我们在图像上进行分类操作时,传统的图像分类方法由于不能准确掌握识别对象之间的内在联系,同时传统方法也因数据的特征性维度太高而导致识别对象的特征表达受到限制,所以取得的实验结果并不理想。针对以上内容文章提出了一种基于卷积神经网络的图像检测方法,该实验的算法主要借鉴了深度学习及卷积神经网络。与以往的传统图像分类方法不同,深度卷积神经网络模型可以同时进行特征学习和图像分类。通过对实验的各个部分结构进行改进和对卷积神经网络模型进行优化,从而防止过拟合现象,继而提高图像检测的准确度,在CIFAR-10数据库上进行的实验表明,该方法改进后的深度学习模型在图像检测方面取得了有效的结果。 相似文献
20.
本文在GoogLeNet网络基础上搭建了一个适合手写汉字识别的卷积神经网络.研究建立了新的手写汉字训练集,新训练集综合了现有的训练集并剔除了其中的错误,同时加入印刷体训练集,增加书写风格的多样性.训练神经网络时采用随机梯度下降算法,并加入动量项加速网络参数的收敛,使用正则项防止过度拟合,最终训练出的神经网络在训练集上的正确率为99.56%,在验证集上的正确率达到96%,并具有很好的泛化能力. 相似文献