该博客介绍了基于深度学习的图像识别过程，重点探讨了使用HOG特征、PCA降维和SVM分类器进行图像识别的方法。首先，通过HOG特征提取进行图像特征向量的获取，然后利用PCA进行高维特征向量的降维，以减少计算复杂度。接着，采用SVM构造分类器进行训练和学习。实验结果显示，预测准确率达到0.8741，对飞机类别的识别准确率高达0.93。最后，文章对比了不同核函数对预测准确率的影响，发现RBF核函数表现优异。
基于深度学习的图像识别，最终实现的是对海量图片数据的学习和准确的识别，不仅如此，我们测试了几种不同的分类模型，并比较预测结果，计算预测准确率，对预测方法进行优化，希望得到一种最高效的预测方法，从而实现真正的机器智能化识别。
本小组课设主要基于python开发环境下的scikit-learn标准库以及PIL图像处理库，并采用matplotlib实现最终结果的比对，PIL库用于图像的特征值批量读取，scikit-learn标准库用于分类模型的构建，matplotlib则用于显示最终结果。
下面是本小组的方案流程以及说明：
861
8770
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
超级会员免费看
订阅专栏 解锁全文
扫一扫
