基于深度学习的工程图像识别与分类研究
金旭杨 （ 浙江兆晟科技股份有限公司 ）
https://doi.org/10.37155/2717-5316-0602-57Abstract
本文探讨了基于深度学习的工程图像识别与分类方法，介绍了深度学习的基本原理、常用模型、框架与 工具。重点分析了工程图像数据集的构建、预处理技术，以及基于深度学习的工程图像识别与分类模型设计，包括模 型架构选择与优化、特征提取与表示学习、分类器设计与训练等方面。通过详细阐述深度学习在工程图像识别中的应 用，本文旨在为提高工程图像识别与分类的准确性和效率提供理论支持和实践指导。
Keywords
深度学习；图像识别；分类算法Full Text
PDFReferences
[1]李大湘,张玥.融合全局与局部特征的国画图
像分类算法[J].现代计算机.2019,(34).DOI:10.3969/
j.issn.1007-1423.2019.34.010 .
[2]李清扬,赵晔.苏绣文化保护与传承研究[J].开封教育
学院学报.2019,(1).DOI:10.3969/j.issn.1008-9640.2019.01.098 .
[3]邱晨,罗璟,赵朝文,等.基于BP神经网络的空气
质量模型分类预测研究[J].软件.2019,(2).DOI:10.3969/
j.issn.1003-6970.2019.02.025 .
[4]曾伟辉,李淼,李增,等.基于高阶残差和参数共享反
馈卷积神经网络的农作物病害识别[J].电子学报.2019,(9).
DOI:10.3969/j.issn.0372-2112.2019.09.023 .
[5]吴杰,施磊,张志安. 基于深度学习的害虫图像识别
与分类方法研究[J]. 计算技术与自动化,2023,42(1):166-
173. DOI:10.16339/j.cnki.jsjsyzdh.202301029.
像分类算法[J].现代计算机.2019,(34).DOI:10.3969/
j.issn.1007-1423.2019.34.010 .
[2]李清扬,赵晔.苏绣文化保护与传承研究[J].开封教育
学院学报.2019,(1).DOI:10.3969/j.issn.1008-9640.2019.01.098 .
[3]邱晨,罗璟,赵朝文,等.基于BP神经网络的空气
质量模型分类预测研究[J].软件.2019,(2).DOI:10.3969/
j.issn.1003-6970.2019.02.025 .
[4]曾伟辉,李淼,李增,等.基于高阶残差和参数共享反
馈卷积神经网络的农作物病害识别[J].电子学报.2019,(9).
DOI:10.3969/j.issn.0372-2112.2019.09.023 .
[5]吴杰,施磊,张志安. 基于深度学习的害虫图像识别
与分类方法研究[J]. 计算技术与自动化,2023,42(1):166-
173. DOI:10.16339/j.cnki.jsjsyzdh.202301029.
Copyright © 2024 金旭杨
Publishing time:2025-01-31
This work is licensed under a Creative Commons Attribution 4.0 International License
Email
Location