本文主要研究内容
作者米克热依迪里夏提,张太红（2019）在《自适应池化卷积神经网络马品种识别研究》一文中研究指出：针对经典池化方式不能提取有效特征值的问题,提出了根据池化域的大小、池化域中的元素值和网络的训练次数调整池化结果的自适应池化法,并搭建了基于自适应池化的卷积神经网络模型,实现了对哈福林格马(Haflinger)、阿克哈-塔克马(Akhal-Teke)、吉普赛马(Gypsy Venner)、伊犁马(Yili)、阿帕卢萨马(Appaloosa)、弗里西亚马(Friesian)、阿拉伯马(Arabian)、马瓦里马(Marwari)等八个品种的识别。对于图像进行归一化、数据扩增等预处理后,从数据集中随机选取80%的样本用作训练集,剩余的20%用作验证集和测试集。在Keras深度学习框架下,对使用自适应池化前后的卷积神经网络进行全新学习,并做了三组对照实验。实验结果表明,自适应池化算法明显提高了模型的准确率和分类性能。使用自适应池化算法后的模型在测试集上的准确率达到了88.24%,初步实现了基于计算机视觉的马品种识别。
Abstract
zhen dui jing dian chi hua fang shi bu neng di qu you xiao te zheng zhi de wen ti ,di chu le gen ju chi hua yu de da xiao 、chi hua yu zhong de yuan su zhi he wang lao de xun lian ci shu diao zheng chi hua jie guo de zi kuo ying chi hua fa ,bing da jian le ji yu zi kuo ying chi hua de juan ji shen jing wang lao mo xing ,shi xian le dui ha fu lin ge ma (Haflinger)、a ke ha -da ke ma (Akhal-Teke)、ji pu sai ma (Gypsy Venner)、yi li ma (Yili)、a pa lu sa ma (Appaloosa)、fu li xi ya ma (Friesian)、a la bai ma (Arabian)、ma wa li ma (Marwari)deng ba ge pin chong de shi bie 。dui yu tu xiang jin hang gui yi hua 、shu ju kuo zeng deng yu chu li hou ,cong shu ju ji zhong sui ji shua qu 80%de yang ben yong zuo xun lian ji ,sheng yu de 20%yong zuo yan zheng ji he ce shi ji 。zai Kerasshen du xue xi kuang jia xia ,dui shi yong zi kuo ying chi hua qian hou de juan ji shen jing wang lao jin hang quan xin xue xi ,bing zuo le san zu dui zhao shi yan 。shi yan jie guo biao ming ,zi kuo ying chi hua suan fa ming xian di gao le mo xing de zhun que lv he fen lei xing neng 。shi yong zi kuo ying chi hua suan fa hou de mo xing zai ce shi ji shang de zhun que lv da dao le 88.24%,chu bu shi xian le ji yu ji suan ji shi jiao de ma pin chong shi bie 。
论文参考文献
论文详细介绍
论文作者分别是来自计算机技术与发展的米克热依迪里夏提,张太红，发表于刊物计算机技术与发展2019年10期论文，是一篇关于马品种图像论文,卷积神经网络论文,混淆矩阵论文,自适应池化论文,数据扩增论文,计算机技术与发展2019年10期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自计算机技术与发展2019年10期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：马品种图像论文; 卷积神经网络论文; 混淆矩阵论文; 自适应池化论文; 数据扩增论文; 计算机技术与发展2019年10期论文;