一種新的目標分類特征深度學習模型
大小：1.70 MB 人氣：0 2018-03-20 需要積分：1
標簽：分類(12865)
為提高低配置計算環境中的視覺目標實時在線分類特征提取的時效性和分類準確率，提出一種新的目標分類特征深度學習模型。根據高時效性要求，選用分類器模型離線深度學習的策略，以節約在線訓練時間。針對網絡深度受限和高識別率要求，提取圖像的局部方向梯度直方圖（ HOG）特征，構建稀疏自編碼器棧對HOG特征進行深層次編碼，設計Softmax多分類器對所抽取的特征進行分類。在深度神經網絡模型學習過程中，引入最小化各層結構風險和微調全網參數的二階段最優化策略。利用場景圖像庫Caltechl01和手寫數字庫MNIST的訓練樣本與測試樣本進行對比實驗，結果表明，該模型在局部特征提取方面的時效優于單層卷積神經網絡（ CNN）模型，分類準確率高于CNN、棧式自編碼器等對比模型。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
一種新的目標分類特征深度學習模型下載
相關電子資料下載
- 人工神經網絡模型的分類有哪些 134
- 一文快速了解RFID技術的構成及分類 109
- 車載無線技術分類介紹 414
- 機器視覺光源的作用、分類及實際應用 118
- 神經元的分類包括哪些 235
- 卷積神經網絡分類方法有哪些 102
- cnn卷積神經網絡分類有哪些 106
- 什么神經網絡模型適合做分類 114
- 卷積神經網絡在文本分類領域的應用 152
- 風華貼片電容的分類詳細介紹 86