文献类型：期刊文章

作　　者：李鹏松[1] 李俊达[1] 吴良武[2] 胡建平[1]

LI Pengsong;LI Junda;WU Liangwu;HU Jianping(College of Sciences,Northeast Electric Power University,Jilin 132012,Jilin Province,China;Dalian Institute of Test and Control Technology,Dalian 116013,Liaoning Province,China)

机构地区：[1]东北电力大学理学院,吉林吉林132012 [2]大连测控技术研究所,辽宁大连116013

出　　处：《吉林大学学报（理学版）》

基　　金：国家自然科学基金(批准号:61672149)。

年　　份：2020

卷　　号：58

期　　号：6

起止页码：1436-1442

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、JST、MR、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：针对传统卷积神经网络严重依赖数据量的问题,提出一种基于均值迭代阈值分割法和卷积神经网络的图像识别算法,通过均值迭代阈值分割法过滤图像背景,并基于AlexNet构造新的卷积神经网络.与其他常用的卷积神经网络进行对比实验结果表明,在样本数量不足的图像识别任务中,该算法识别效果较理想,与其他卷积神经网络相比,具有更高的识别准确度、更低的识别误差和更快的收敛速度.

关 键 词：图像识别 阈值分割法 卷积神经网络

分 类 号：TP391]