科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明公开了一种基于深度课程学习的图像识别方法,应用于图像识别领域,具体步骤包括如下：通过显著性检测模型将第一图像分离成前景图像和背景图像；将单分支的卷积神经网络转换成双输入分支和融合层的卷积神经网络；将所述前景图像和所述背景图像输入所述卷积神经网络,根据所述卷积神经网络输出概率结果和所述前景图像的标签,使用交叉熵计算真实类别标签和预测的概率之间的损失距离,得到最优卷积神经网络；将待识别的图像输入最优卷积神经网络中,输出识别结果。相对于原始的训练方法,本发明的训练框架缓解了深度神经网络的过拟合,提高了在测试集的性能。
- 单位
