基于神經(jīng)網(wǎng)絡(luò)的圖像識別算法及應(yīng)用研究

摘要：針對傳統(tǒng)圖像識別算法訓(xùn)練時間長、識別準(zhǔn)確率低等問題，本文構(gòu)建了兩個由卷積層、激活層和池化層組成的基礎(chǔ)卷積模塊，將 70 000 張手寫數(shù)字樣本輸入模型，訓(xùn)練集和測試集的準(zhǔn)確率均達(dá)到 98% 以上。在此基礎(chǔ)上，本文利用遷移學(xué)習(xí)技術(shù)優(yōu)化 ResNet152 模型結(jié)構(gòu)。第一階段保持卷積層不變，僅調(diào)整全連接層參數(shù)，經(jīng)過多次迭代，訓(xùn)練集準(zhǔn)確率穩(wěn)定在 80% 左右，驗證集準(zhǔn)確率在 65%～70%。（剩余6567字）