基于改进卷积神经网络的图像识别方法及应用

摘要

本发明公开了一种基于改进卷积神经网络的图像识别方法及应用，包括：1、构造用于图像识别的CNN‑PNN模型：在卷积神经网络CNN模型基础上引入概率神经网络PNN模型，以卷积神经网络CNN模型为特征提取器，以概率神经网络PNN模型为分类器，形成CNN‑PNN模型；2、将训练样本图像输入到CNN‑PNN模型的输入层，通过卷积神经网络CNN模型中的卷积、降采样，所述卷积、降采样循环操作一次及以上后扩展为列向量；3、对作为特征提取器的卷积神经网络CNN模型进行训练；4、对作为特征提取器的卷积神经网络CNN模型训练完毕后，对作为分类器的概率神经网络PNN模型进行训练；5、利用训练完成的CNN‑PNN模型识别图像；本发明将卷积神经网络CNN模型和概率神经网络PNN模型结合起来，大大提高了精准度。