基于卷积神经网络的多标签图像分类识别算法研究

摘要

准确获取和判断多标签图像中的信息,需实现该图像的精准分类识别,因此,研究基于卷积神经网络的多标签图像分类识别算法.利用四元数Gabor滤波卷积算法提取该类图像特征,将获取特征向量作为卷积神经网络模型的输入,通过模型的卷积、池化,以及单层感知器的学习和训练识别图像,实现多标签图像的识别;对模型实行双重优化,提升模型收敛速度;同时采用基于实例差异化的多标签图像分类方法,实现多标签图像分类.测试结果表明:对不同复杂程度图像纹理特征提取收敛性能良好,可准确完成多标签图像中的目标识别,Kappa系数均在0.8以上,分类效果良好.