卷积神经网络算法研究及其在图像分类中的应用.docxVIP

下载本文档

7
0
约2.14万字
约 32页
2023-12-19 发布于广东
举报
版权申诉

卷积神经网络算法研究及其在图像分类中的应用.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

卷积神经网络算法研究

及其在图像分类中的应用

摘要

卷积神经网络对于图像识别与分类，尤其是高维度的复杂图像分类而言，具有优良的可训练性和自我学习能力REF_Re\r\h[1]。自诞生以来，卷积神经网络就在图像识别与分类、声音识别、物体检测等众多领域展现出非凡的能力，在人工智能领域大放异彩，获得了大规模的研究和应用，得到快速发展。但是，卷积神经网络仍然存在很多亟需解决和优化的问题。例如人们对理解一些优秀网络模型是如何运作的还相当局限，这些问题引起相关学者和研究人员浓厚的兴趣，为此衍生出很多理解CNN运作的方法。又如在高光谱图像分类中存在参数太多导致网络臃肿、训练