基于卷积神经网络的CIFAR-10图像识别分类.docxVIP

下载本文档

347
0
约1.79万字
约 30页
2022-05-12 发布于广东
举报
版权申诉

基于卷积神经网络的CIFAR-10图像识别分类.docx

1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于卷积神经网络的CIFAR-10图像识别分类摘要图像识别是指通过计算机对图像进行采集、处理、理解和分析，从而识别出各种不同的物理信息。在1960年代，科学家发现了图像的结构。通过研究猫皮层中使用的神经元来选择局部敏感度和方向，从而形成一个卷积神经网络（CNN）。在图像识别中，卷积神经网络可以提取特征不需要人工设计，可以直接将图像用作输入，并可以从训练数据中隐式学习。目前，卷积神经网络(CNN)已成为研究神经网络的优先领域，并且被用于许多大规模的机器学习过程中。本文主要学习探讨深度学习原理，理解卷积神经网络的理论和实现过程，学习Python语言和Keras深度学习框架，利用Keras实