一種新的目標(biāo)分類特征深度學(xué)習(xí)模型
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
為提高低配置計(jì)算環(huán)境中的視覺目標(biāo)實(shí)時(shí)在線分類特征提取的時(shí)效性和分類準(zhǔn)確率，提出一種新的目標(biāo)分類特征深度學(xué)習(xí)模型。根據(jù)高時(shí)效性要求，選用分類器模型離線深度學(xué)習(xí)的策略，以節(jié)約在線訓(xùn)練時(shí)間。針對(duì)網(wǎng)絡(luò)深度受限和高識(shí)別率要求，提取圖像的局部方向梯度直方圖（ HOG）特征，構(gòu)建稀疏自編碼器棧對(duì)HOG特征進(jìn)行深層次編碼，設(shè)計(jì)Softmax多分類器對(duì)所抽取的特征進(jìn)行分類。在深度神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)過程中，引入最小化各層結(jié)構(gòu)風(fēng)險(xiǎn)和微調(diào)全網(wǎng)參數(shù)的二階段最優(yōu)化策略。利用場(chǎng)景圖像庫(kù)Caltechl01和手寫數(shù)字庫(kù)MNIST的訓(xùn)練樣本與測(cè)試樣本進(jìn)行對(duì)比實(shí)驗(yàn)，結(jié)果表明，該模型在局部特征提取方面的時(shí)效優(yōu)于單層卷積神經(jīng)網(wǎng)絡(luò)（ CNN）模型，分類準(zhǔn)確率高于CNN、棧式自編碼器等對(duì)比模型。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
一種新的目標(biāo)分類特征深度學(xué)習(xí)模型下載
相關(guān)電子資料下載
- 人工神經(jīng)網(wǎng)絡(luò)模型的分類有哪些 134
- 一文快速了解RFID技術(shù)的構(gòu)成及分類 109
- 車載無線技術(shù)分類介紹 414
- 機(jī)器視覺光源的作用、分類及實(shí)際應(yīng)用 118
- 神經(jīng)元的分類包括哪些 235
- 卷積神經(jīng)網(wǎng)絡(luò)分類方法有哪些 102
- cnn卷積神經(jīng)網(wǎng)絡(luò)分類有哪些 106
- 什么神經(jīng)網(wǎng)絡(luò)模型適合做分類 114
- 卷積神經(jīng)網(wǎng)絡(luò)在文本分類領(lǐng)域的應(yīng)用 152
- 風(fēng)華貼片電容的分類詳細(xì)介紹 86