基于卷积神经网络的图像分类改进方法研究

摘要：

针对传统图像分类方法准确率较低的问题,提出一种基于卷积神经网络和迁移学习思想的图像分类改进方法.利用迁移学习的思想改进卷积神经网络的网络结构及网络参数,然后利用TensorFlow框架实现该模型并对MNIST数据集进行分类,最后将改进卷积神经网络模型的分类准确率与传统分类方法进行对比分析.实验结果表明,改进卷积神经网络模型的分类准确率高达99.37％,分类性能明显优于其他方法.

关键词：卷积神经网络、迁移学习、TensorFlow、图像分类

所属期刊栏目：7

分类号：TP183(自动化基础理论)

在线出版日期：2023-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：109-112