基于CNN池化和进化策略的一般神经网络图像分类研究

摘要

网络的爆炸式发展产生了海量的图像,图像标签的错误和缺失比较常见,图像分类研究很有必要.CNN池化能够提取到输入矩阵的重要特征,降低数据的维度.进化策略是模仿生物"优胜劣汰"进化方式的一种启发式算法,能快速找到问题的解.本文基于CNN池化提取一组有正确标签的图像的特征,搭建层数为3的神经网络,进化策略优化初始权重,通过训练集训练分类模型,通过测试集来验证模型的优劣,并使最终的模型实现对未知类别图像的高效分类.实例验证阶段收集10类100张犬类图片,按照各研发步骤进行实验,算法结果验证了进化策略优化权重的必要及神经网络模型的高效.