论文部分内容阅读
为了解决图像识别领域在海量图像识别的精度低、性能差等问题,结合大数据及人工智能技术,提出了一种改进的卷积神经网络的图像识别算法,运用卷积神经网络的共享权值、自学习提取分类特征、完成网络训练的优势,通过归纳迁移算法构建模型网络及共享特征参数,图像分类过程中使用交叉熵损失函数提升模型的泛化性以及分类的准确率。实验过程中,选取了8个经典的图像分类数据集作为实验对象,经与经典的卷积神经网络模型对比,本文提出的算法在模型训练上速度更快,对于不同的数据集平均识别准确率达到了96.2%,对于不同数据集的泛化能力也