首页> 中文期刊> 《智能计算机与应用》 >基于深度迁移学习的饮食图像识别研究

基于深度迁移学习的饮食图像识别研究

         

摘要

卷积神经网络(CNN)应用于图像识别具有很大优势,但是需要足够深的网络和大量标签完善的数据集才能发挥其优越性。实际应用中,往往需要应对的是质量差和大小不一的数据集,且受硬件设备限制。为了提高图像识别效率和精度,提出一种基于深度卷积神经网络和迁移学习的识别算法。该算法首先对图像预处理和数据增强,后迁移大样本提取出的特征信息用于CNN特征提取,再接入微调网络对数据集再训练。实验结果显示,本文算法对饮食识别的精度和时间性能均有显著的提高,精确度最高可达98%以上,精度提升最高可达10%以上,时间性能提升幅度最高可达110%。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号