山东科技大学学报（自然科学版）
山東科技大學學報（自然科學版）
산동과기대학학보（자연과학판）
JOURNAL OF SHANDONG UNIVERSITY OF SCIENCE AND TECHNOLOGY(NATURAL SCIENCE)
2014年
6期
91-96
,共6页
卷积神经网络%商品图像%精细分类%亚采样层
捲積神經網絡%商品圖像%精細分類%亞採樣層
권적신경망락%상품도상%정세분류%아채양층
针对某一类别商品图像的精细分类,研究并实现了深度学习中的卷积神经网络方法.所设计的卷积神经网络由2个卷积层、2个亚采样层及1个完全连接层组成,特征平面的神经元只对其感受野的重叠区域做出反应,由反向传播算法调整网络参数最终完成学习任务.通过鞋类图像的精细分类实验表明,该方法平均分类正确率可达91.5％.
針對某一類彆商品圖像的精細分類,研究併實現瞭深度學習中的捲積神經網絡方法.所設計的捲積神經網絡由2箇捲積層、2箇亞採樣層及1箇完全連接層組成,特徵平麵的神經元隻對其感受野的重疊區域做齣反應,由反嚮傳播算法調整網絡參數最終完成學習任務.通過鞋類圖像的精細分類實驗錶明,該方法平均分類正確率可達91.5％.
침대모일유별상품도상적정세분류,연구병실현료심도학습중적권적신경망락방법.소설계적권적신경망락유2개권적층、2개아채양층급1개완전련접층조성,특정평면적신경원지대기감수야적중첩구역주출반응,유반향전파산법조정망락삼수최종완성학습임무.통과혜류도상적정세분류실험표명,해방법평균분류정학솔가체91.5％.
