[发明专利]一种基于Keras框架和深度神经网络的图片分类方法有效
| 申请号： | 201910529685.1 | 申请日： | 2019-06-19 |
| 公开（公告）号： | CN110378383B | 公开（公告）日： | 2023-06-16 |
| 发明（设计）人： | 韩飞;方升;凌万云;凌青华;吴伟康 | 申请（专利权）人： | 江苏大学 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/047;G06N3/048;G06N3/08;G06F16/55 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 212013 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于Keras框架和深度神经网络的图片分类方法，包括对图片数据的预处理；通过构建卷积神经网络和全连接神经网络来训练模型，对手写数字图片数据进行识别。本发明充分利用Keras框架的高度模块化，极简和快速实验的优点，运用卷积神经网络的结构，解决以往研究人员事先确定参数以及每层维度的问题，进一步提高做实验的效率，从而减少研究人员实验时间并且提高手写数字识别准确性。 | ||
| 搜索关键词： | 一种 基于 keras 框架 深度 神经网络 图片 分类 方法 | ||
【主权项】：
1.一种基于Keras框架和深度神经网络的图片分类方法，其特征在于，包括步骤：手写数字图像数据集的预处理，首先将手写数字图像数据集划分为训练集、测试集，然后对其进行维度修改，并对标签数据进行one‑hot编码。通过Keras框架构建三层卷积神经网络，设置每层卷积神经网络的卷积核个数、卷积核大小、激活函数和池化层；进一步通过Keras框架构建三层全连接层和输出层，设置每层全连接层和输出层的神经元个数；最后调用Keras框架的API构建损失函数，并在训练集上进行训练，得到的模型在测试集上进行测试，得出准确率。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于江苏大学，未经江苏大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910529685.1/，转载请声明来源钻瓜专利网。
