Multi-class Image Classification Using Deep Learning Algorithm

doi:10.1088/1742-6596/1447/1/012021

Multi-class Image Classification Using Deep Learning Algorithm

2020-01-01

0

OA

AI

DOI：10.1088/1742-6596/1447/1/012021

原文链接

查看原文

摘要

En 中文

摘要图像分类是计算机视觉领域中的一个复杂问题。深度学习算法是一种模拟人脑功能和操作的计算机化模型。训练深度学习模型在机器资源和时间上是一个代价高昂的过程。因此，研究深度学习算法的性能尤为必要。卷积神经网络（CNN）常被用于构建深度学习模型的结构。本文使用在Image-Net上预训练的卷积神经网络（CNN）模型对PASCAL VOC 2007数据集的图像进行分类。采用迁移学习的方法来提升深度学习CNN模型的性能，该方法能在极短的运算时间和较少的机器资源下实现良好的分类效果。文中研究了深度学习CNN模型的行为并对其性能进行了测量。将获得的结果与在PASCAL VOC 2007数据集上测试的局部图像描述符超向量编码方法、SVM方法以及区域排序SVM方法的结果进行了比较。最终结果表明，深度学习算法是图像分类任务中的当前最优方法。

Multi-class Image Classification Using Deep Learning Algorithm

摘要

AI总结

期刊

机构

引用论文