基于残差网络的食物图像识别研究

论文摘要

深度卷积神经网络在图像识别领域有着优异的表现。应用卷积神经网络的一种模型残差网络模型,并进行对其改进,实现一种50层的压缩残差网络模型,进行食物图像识别。使用压缩残差网络模型进行食物图像识别,不仅能够减少训练时间,而且在不降低准确率的前提下可以缩小模型大小。实验数据表明,相对于普通神经网络以及普通的残差网络,使用压缩后的50层残差网络模型能够很好满足食物图像识别的要求。

论文目录

• 1 相关介绍
• 2 数据集和模型实现
•   2.1 数据集
•   2.2 模型实现
• 3 实验与分析
•   3.1 模型实验
•   3.2 实验结果分析
•     3.2.1 实验设置
•     3.2.2 实验结果分析
•     3.2.3 模型性能评估
• 4 总结

文章来源

类型: 期刊论文

作者: 刘鹏臻

关键词: 深度学习,图像识别,卷积神经网络

来源: 电子技术与软件工程 2019年16期

年度: 2019

分类: 信息科技,工程科技Ⅰ辑

专业: 轻工业手工业,计算机软件及计算机应用,自动化技术

单位: 杭州华为企业通信技术有限公司

分类号: TS207.3;TP391.41;TP183

页码: 64-67

总页数: 4

文件大小: 1745K

下载量: 260