一种基于卷积神经网络和朴素贝叶斯的目标识别方法

摘要

本发明涉及基于卷积神经网络和朴素贝叶斯的目标识别方法，属于图片处理与模式识别领域，其特征在于采用如下步骤：(1)确定训练集样本A中图片像素点平移和归一化后的坐标(x′，y′)，得到新的训练集A″；(2)训练卷积神经网络，更新连接权值ω_i；(3)提取特征向量X；(4)将特征向量X作为朴素贝叶斯模型的输入，建立朴素贝叶斯模型进行训练；(5)将测试集样本作为输入，送到组合网路中进行分类，得到分类结果。本发明所建立的基于卷积神经网络和朴素贝叶斯的目标识别方法用朴素贝叶斯替换了传统卷积神经网络中的Softmax分类器实现了分类预测，充分利用了卷积神经网络全连接层输出的特征向量的特征信息。通过多组数据实验可知该方法计算精确、可靠，数据结果相对稳定，为图片目标识别提供了在保证了分类准确的基础上的稳定识别方法。