基于深度残差网络的水果图像分类算法研究

摘要

深度学习是基于人工神经网络的一种机器学习方法,能够进行大规模矩阵运算.将其应用于图像识别领域,能够高效完成对高分辨率图像的处理,有效推动计算机视觉领域技术革新.在此基础上,利用深度残差网络模型进行对图像数据的识别与分类,引入迁移学习思想,将ResNet152模型迁移到三种水果的图像数据集中进行训练,实现对图像特征的获取,再对测试集进行分类识别训练,以此促进模型分类识别的准确率提高.通过增加测试集中数据量、增加训练难度进行重复实验,得出结论:ResNet152模型具有较高的准确率,验证该模型在图像识别分类领域的高效性.