作者:陶筱娇; 王鑫图像检索分类特征深度学习算法仿真测试分类时间
摘要:图像分类是提高大规模图像检索速度的一项关键技术,当前图像分类方法均存在不同程度的不足,图像分类结果不能满足图像处理的实际应用需求,为了解决当前图像分类方法存在的一些难题,以进一步提高图像分类的效果,提出了基于深度学习算法的图像分类方法。首先对图像分类的国内外研究现状进行综述,指出各种图像分类方法的局限性,然后提取图像分类特征,将图像特征向量作为深度学习算法的输入,图像分类结果作为深度学习算法的输出,通过学习建立图像分类器,最后在Matlab 2016平台与经典图像分类方法的性能进行仿真对照实验。结果表明,提出的图像分类准确性更优,图像分类的平均时间大幅度降低,图像分类整体结果得到了有效改善,较好地克服了当前图像分类方法的不足,具有较高的实际应用价值。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社