论文部分内容阅读
基于深度神经网络的图像识别技术在少样本情况下会出现识别准确率下降,甚至训练失败的情况。本文针对该问题,提出了一种将少样本倍增、深度神经网络、SVM (support vector machine)相结合的算法。通过样本倍增提升样本数量,通过深度神经网络训练得到图像的高维特征,通过经典特征提取算法提取图像常规特征,构建包含高维特征和常规特征的支持向量,使用SVM进行训练。实验表明,本文所提方法对于特定样本集,在样本数量为总样本1/40的情况下,识别准确率达到61.36%(仅仅使用YOLO神经网络算法识