-
题名基于深度学习的图像样本标签赋值校正算法实现
被引量：2
- 1
-
-
作者
舒忠
-
机构
荆楚理工学院
-
出处
《数字印刷》
北大核心
2019年第4期38-45,73,共9页
-
文摘
本研究针对当前大量应用深度学习建构训练模型的图像识别算法中普遍存在的忽视图像样本标签预判及校正的问题,提出了在深度神经网络传输层模型构建中,引入对样本所对应标签值进行校正的深度学习算法。以神经元和传输层模型设计这两个关键要素为基础,通过加入偏置量后具备非线性变换的Sigmoid激励函数设计神经元的结构模型,通过Softmaxloss损失函数计算样本标签出现的误差,并采用控制误差值趋近最少的机制,设计输出层模型。采用tensorFlow编程工具构建卷积神经网络进行迭代训练实验,实验结果表明,本研究提出的算法,有效地控制了因样本标签赋值错误出现频率和迭代次数不断增加而造成的识别准确率累加下降的问题,实验中图像识别准确率可达到96.91%以上。
-
关键词
Sigmoid激励函数
Softmax分类函数
softmaxloss损失函数
图像样本
卷积神经网络
-
Keywords
Sigmoid function
Softmax function
softmaxloss function
Image patterns
Convolutional Neural Networks(CNN)
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
