文献综述
文献综述一．图像识别概述图像识别也就是图像的模式识别，是模式识别技术在图像领域中的具体应用，是对输入的图像信息建立图像识别模型，分析并提取图像的特征，然后建立分类器，根据图像的特征进行分类识别的一种技术。
图像识别的常用方法有:贝叶斯分类法、模板匹配法等。
贝叶斯分类法，是假设图像的特征之间独立并计算特征的后验概率来对图像进行分类模板匹配法，是将样本特征与特定的模板比较，根据相似度判断是否同类。
但由于贝叶斯定理假设一个属性值对给定类的影响独立于其它属性的值，而此假设在实际情况中经常是不成立的，因此其分类准确率可能会下降。
模板匹配法，研究某一特定对象物的图案位于图像的什么地方，进而识别对象物。
但模板匹配具有自身的局限性，主要表现在它只能进行平行移动，若原图像中的匹配目标发生旋转或大小变化，该算法无效。
而基于深度学习的图像识别方法，是使用大规模深层次卷积神经网络模型从海量数据集中自动学习图像特征，并泛化到实际识别场景中。
其通过模拟人类的大脑皮层，采用多层非线性方式处理、逐级提取以及逐层建立映射的方式使复杂的工作简单化。
二．深度学习在图像识别中的发展1.卷积神经网络(CNN)卷积神经网络的结构和传统的神经网络有很多的相似之处:阈值、前向传播、计算残差、反向传播，直到残差收敛且满足精度需求。
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
以上是文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
