简介:图像识别技术主要包括图像特征的提取和图像的分类,在这两种技术中,图像特征的提取是图像识别技术最关键的技术。图像特征提取的准确性是衡量一个图像识别算法好与坏的唯一指标。图像特征提取主要采用分布式点矩阵的方法,通过在图像中插入一定数量的特征点,通过对特征点的比较,将符合特征点的部分加以整合和归纳,最终得出图像的特征。但在现有的技术中,特征点的插入数量和特征点对照的准确度在各种算法中均有优劣,而深层学习作为一种组织架构更完善的处理方法,显然是很适合图像识别算法的使用。所以本文就深度学习的原理及基于深度学习原理的图像识别算法的基本原理进行探讨,并对基于深度学习的图像识别算法的研究做出详细的讨论。
简介:随着人工智能的发展,数字识别技术也得到了关注并通过各种算法提高了识别准确率。数字识别在安防、交通、邮政等领域发挥越来越重要的作用,是智能城市不可或缺的一环。通过采用包含隐含层的BP神经网络对数字识别进行仿真。首先介绍Mnist数据集、人工神经元模型、激活函数、BP算法等相关概念,详细描述了BP神经网络的原理,并通过实例进行BP网络设计。同时提出了6种优化方式,分别是初始化权值、设置Dropout、选取不同的激活函数、选取不同的代价函数、采用不同优化器、设置学习率。结果表明BP网络在数字识别方面具有实际应用价值,并能通过各种优化方式提高识别精度。