基于深度卷积神经网络的物体识别算法

王 华溢
新疆大学

摘要

在计算机物体识别中，深度卷积神经网络因其独特的作用机制，能够凭借其场景数据库，将单通道的信息进行转换，形成三通道信息，之后通过训练集内彩色图片及三通道深度图片，通过微调神经网络模型，提取图片特征，经三层卷积层和一个全列阶层，串联两种模态特征，将提取的算法在场景理解物体中应用，可以对彩色、深度图片的特征进行训练分析，从而能提升物体分类的准确性。

关键词

深度卷积神经网络；物体识别；模型

参考

[1]陈胜娣,魏维,何冰倩,等.基于改进的深度卷积神经网络的人体动作识别方法[J].计算机应用研究,2019,36(03):945-949.

[2]赵德安,吴任迪,刘晓洋,等.基于YOLO深度卷积神经网络的复杂背景下机器人采摘苹果定位[J].农业工程学报,2019,35(03):172-181.

[3]张顺,龚怡宏,王进军.深度卷积神经网络的发展及其在计算机视觉领域的应用[J].计算机学报,2019,042(003):453-482.

[4]孟庆成,高朋瑞,郭兰伟,等.基于多阶段三维深度卷积神经网络的计算机辅助诊断系统在肺癌筛查中的应用[J].中华放射学杂志,2020,54(06):552-556.

[5]程嘉晖.基于深度卷积神经网络的飞行器图像识别算法研究[D].杭州，浙江大学,2017.

[6]程嘉晖.基于深度卷积神经网络的飞行器图像识别算法研究[D].杭州，浙江大学,2017.

[7]孙平安,祁俊,谭秋月.利用卷积神经网络改进迭代深度学习算法的图像识别方法研究[J].计算机应用研究,2019,036(007):2223-2227.

[8]周天怡.基于深度卷积神经网络的目标检测算法研究[D].哈尔滨，哈尔滨工业大学,2019.