技术特征:
技术总结
本发明公开的一种基于卷积神经网络的图像识别方法,包括以下步骤:获取原始图像;对原始图像进行预处理;将上一层的输出结果输入到卷积神经网络中的子网络;将上一层的输出结果输入到卷积神经网络中交替分布的卷积层和池化层;将上一层的输出结果输入到卷积神经网络中的全连接层;将上一层的输出结果输入到卷积神经网络中的最后一层,即Softmax层,得到图像属于各个类别的概率;根据图像属于各个类别的概率,来确定图像分类结果,最后输出图像分类结果。本发明通过将一个子网络结构加入到经典卷积神经网络中,并在子网络结构中计算残差以修正权值矩阵,能够高效的提取图像的特征,且只对子网络结构计算各层残差以减少计算量。
技术研发人员:钱燕芳;王敏;秦月红
受保护的技术使用者:河海大学
技术研发日:2017.11.13
技术公布日:2018.03.13