基于卷积神经网络图像识别算法.pptVIP

基于卷积神经网络的图像识别算法 指导老师：---- 汇 报 人：---- 点击添加文本 点击添加文本 点击添加文本 点击添加文本 卷积神经网络原理 图像分类算法设计与实现 图像分类概述 点击添加文本 点击添加文本 点击添加文本 点击添加文本 图像分类目标 图像分类就是根据不同图像的特征，把图像按照内容的不同分成不同类别 Cat Or Non-Cat ？ 点击添加文本 点击添加文本 点击添加文本 点击添加文本 方法选择 支持向量机（SVM）是比较经典的用于分类的机器学习方法，即使在样本数量很少的情况下，也能得到相对好的结果，并且，由于最终分类器分类超平面的确定，只与有限的几个“支持向量”有关，训练速度比较快。 卷积神经网络（CNN）是一种多层感知机，对于图像来说，相邻像素的相似度一般来说高于相隔很远的两个像素，卷积神经网络结构上的优越性，使得它可以更关注相邻像素的关系，而对相隔一定距离的像素之间的连接进行了限制。所以，卷积神经网络的这种结构，符合图像处理的要求，也使卷积神经网络在处理图像分类问题上有天然的优越性 K最近邻算法（KNN）是无监督的学习方法，无需预先进行标注，不需要确定样本的类别，甚至无需知道所获得的数据可以分为几类。对于类域有交叉或者重叠的分类任务更适合。 点击添加文本 点击添加文本 点击添加文本 点击添加文本 卷积神经网络 我们假设对一张32*