神经网络的图像识别系统
2007-11-30 14:35
495 查看
神经网络的图像识别系统是神经网络模式识别系统的一种,原理是一致的。一般神经网络图像识别系统由预处理,特征提取和神经网络分类器组成。预处理就是将原始数据中的无用信息删除,平滑,二值化和进行幅度归一化等。神经网络图像识别系统中的特征提取部分不一定存在,这样就分为两大类:① 有特征提取部分的:这一类系统实际上是传统方法与神经网络方法技术的结合,这种方法可以充分利用人的经验来获取模式特征以及神经网络分类能力来识别目标图像。特征提取必须能反应整个图像的特征。但它的抗干扰能力不如第2类。② 无特征提取部分的:省去特征抽取,整副图像直接作为神经网络的输入,这种方式下,系统的神经网络结构的复杂度大大增加了,输入模式维数的增加导致了网络规模的庞大。此外,神经网络结构需要完全自己消除模式变形的影响。但是网络的抗干扰性能好,识别率高。
相关文章推荐
- 验证码识别系统以及人工智能总结 神经网络encog图像识别入门
- Python与人工神经网络(2)——使用神经网络识别手写图像
- 神经网络实现手写字符识别系统
- 第三期 利用已经训练的神经网络进行图像识别 《显卡就是开发板》
- 基于神经网络的2D摄像头的手势识别系统实现(二)
- 深度学习与神经网络实战:快速构建一个基于神经网络的手写数字识别系统
- 神经网络入门(二)卷积网络在图像识别的应用
- 如何用Python和深度神经网络识别图像?
- 深度神经网络识别图形图像的基本原理(转)
- Python与人工神经网络:使用神经网络识别手写图像介绍
- 基于神经网络的2D摄像头的手势识别系统实现(一)
- 通用图像识别的神经网络代码
- 神经网络实现手写字符识别系统
- 个人认为从事图像识别和神经网络的朋友应该关注下CUDA
- 如何用Python和深度神经网络识别图像?
- SSD神经网络+图像处理的人体识别
- python在线神经网络实现手写字符识别系统
- 通用图像识别的神经网络代码描述
- 利用pytorch实现Fooling Images(添加特定噪声到原始图像,使神经网络误识别)
- 如何用Python和深度神经网络识别图像?