基于深度学习的图像识别研究

被引:20
作者
蔡春花
王峰
机构
[1] 河南工业大学信息科学与工程学院
关键词
深度学习; 图像识别; 神经网络;
D O I
暂无
中图分类号
TP391.41 []; TP181 [自动推理、机器学习];
学科分类号
140502 [人工智能];
摘要
深度学习是机器学习研究中的一个新的领域,深度学习以及神经网络模型是近年来机器学习及人工智能领域新的研究方向及热点问题。其目的是建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来进行分析、学习和解释数据,例如图像,声音和文本。深度学习在图像识别应用中已取得了突破性进展,传统的图像识别方法需要人工设计特征,而深度学习属于神经网络结构,它能够从大数据中自动学习特征,极大地提高了识别准确率以及效率。该文介绍了两种深度学习网络模型及其应用,并就讨论内容进行了总结与展望。
引用
收藏
页码:7 / 9+12 +12
页数:4
相关论文
共 7 条
[1]
基于深度学习的图像识别研究 [J].
安强强 ;
郑敏 .
自动化与仪器仪表, 2018, (03) :115-118
[2]
深度学习在图像识别中的应用 [J].
李超波 ;
李洪均 ;
徐晨 .
南通大学学报(自然科学版), 2018, 17 (01) :1-9
[3]
基于深度学习的图像识别研究 [J].
李玫洁 ;
温昕 ;
蒋娜 .
科技广场, 2017, (10) :178-180
[4]
机器学习.[M].周志华.清华大学出版社.2016,
[5]
Representational power of restricted Boltzmann machines and deep belief networks [J].
Le Roux, Nicolas ;
Bengio, Yoshua .
NEURAL COMPUTATION, 2008, 20 (06) :1631-1649
[6]
A fast learning algorithm for deep belief nets [J].
Hinton, Geoffrey E. ;
Osindero, Simon ;
Teh, Yee-Whye .
NEURAL COMPUTATION, 2006, 18 (07) :1527-1554
[7]
基于深度学习理论的纹身图像检测研究 [D]. 
许庆勇 .
南昌大学,
2017