基于CNN-GRNN模型的图像识别

被引：17

作者：

江帆 ^{[1
]}

刘辉 ^{[1
]}

王彬 ^{[1
]}

孙晓峰 ^{[1
]}

代照坤 ^{[1
]}

机构：

[1] 昆明理工大学信息工程与自动化学院

来源：

计算机工程 | 2017年 / 43卷 / 04期

关键词：

卷积神经网络; 广义回归神经网络; 支持向量机; 反向传播神经网络; 降梯度法;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

卷积神经网络(CNN)模型在图像识别中取得了良好的效果,但其识别精度还有进一步提升的空间。为此,设计一种新的图像识别模型CNN-GRNN。利用CNN提取样本图像中的多层次特征信息,将广义回归神经网络代替反向传播神经网络,以提高分类器的泛化能力和鲁棒性,通过均方差和降梯度法训练模型。基于COIL-100和手势库的实验结果表明,与灰度共生矩阵、HU距方法、CNN和CNN-SVM模型相比,CNN-GRNN的识别率分别提升了42.2%,13.43%,3.99%和1.86%,并具有较好的实时性。

引用

下载

页码：257 / 262

页数：6

共 10 条

[1] 基于卷积神经网络的纹理分类方法研究
冀中
刘青
聂林红
庞彦伟
[J]. 计算机科学与探索, 2016, 10 (03) : 389 - 397
[2] 转炉炼钢吹炼数据预测中火焰图像多特征提取方法研究[D]. 刘辉.昆明理工大学. 2012
[3] 随机森林和卷积神经网络在神经细胞图像分割中的应用研究[D]. 曹贵宝.山东大学. 2014
[4] 卷积神经网络在图像识别上的应用的研究[D]. 许可.浙江大学. 2012
[5] 基于机器视觉的车辆检测和车距测量方法研究[D]. 王华莹.大连理工大学. 2011
[6] A novel hybrid CNN–SVM classifier for recognizing handwritten digits[J] . Xiao-Xiao Niu,Ching Y. Suen.Pattern Recognition . 2011 (4)
[7] A fast learning algorithm for deep belief nets
Hinton, Geoffrey E.
Osindero, Simon
Teh, Yee-Whye
[J]. NEURAL COMPUTATION, 2006, 18 (07) : 1527 - 1554
[8] Distinctive image features from scale-invariant keypoints
Lowe, DG
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) : 91 - 110
[9] Backpropagation Applied to Handwritten Zip Code Recognition
LeCun, Y.
Boser, B.
Denker, J. S.
Henderson, D.
Howard, R. E.
Hubbard, W.
Jackel, L. D.
[J]. NEURAL COMPUTATION, 1989, 1 (04) : 541 - 551
[10] Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position[J] . Kunihiko Fukushima.Biological Cybernetics . 1980 (4)

← 1 →