I-DO-讨论人工智能中的图像识别技术.docx
需积分: 9 10 浏览量
2019-10-25
19:12:39
上传
评论
收藏 165KB DOCX 举报
摘要：随着我国经济和社会的快速发展，图像识别技术变得越来越重要。为此，本文重点
研究了人工智能中图像识别技术的发展。本文详细讨论了基于神经网络的图像识别技术和
基于非线性降维的图像识别技术。智能图像识别技术，希望本文的内容能为我国图像识别
技术的更好发展带来一些帮助。
0 引言：
在人工智能领域，图像识别技术发挥着重要的作用。随着我国计算机技术和信息技术
的不断发展，人工智能图像识别技术的应用范围正在扩大，医学诊断，指纹识别，人脸识
别，卫星云图识别等都是典型的应用。在中国人的日常生活中，图像识别技术也有着更加
广泛的应用。为了保证人工智能中的图像识别技术能更好地服务于我国人民，本文开发了
人工智能中的图像识别技术具体研究目的。
1 图像识别技术概述：
首先，我们需要对图像识别技术有深入的了解。作为一个智力领域图像识别的发展先后
经历了字符识别和数字识别。图像处理与识别，目标识别三个发展阶段，以及当今的图像
识别在其他技术中，它们自身的功能已经超过了人类的极限。人工智能的图像识别技术可
以应用于我国的许多领域。图像识别技术本身的原理并不复杂，信息处理是这项技术的关
键，因为应用计算机来实现图像识别技术和人眼识别没有本质区别，这使得图像识别技术
还需要根据自己对图像的?记忆来完成细节。在图像识别过程中，人脑它可以提取图像的特
征，并与大脑中先前的图像相结合。我们可以判断我们是否对这幅图像有过印象。为什么
你能在看完照片后很快认出它。与人类知识相结合在图像识别过程中，计算机首先可以完
成图像分类，选择重要信息，消除冗余信息。计算机可以把自己的存储器和有关的要求结
合起来图像识别本身并不存在人脑识别图像。对于图像识别技术，其自身提取的图像特征
符号直接关系到图像识别能否取得满意的效果。值得注意的因为计算机与人脑有本质的不
同，所以计算提取的图像特征是不稳定的，这通常是因为计算机提取的图像具有明显的共
性特征，会影响图像的识别。结果表明，图像特征对人工智能中的图像识别具有重要意义
其他技术的意义。
2 图像识别技术的分析:
针对目前我国人工智能的图像识别技术，神经网络最常见的图像识别技术是非线性降维
的图像识别技术。两种图像识别技术，笔者将在以下两种常见的人工智能中详细讨论了图
像识别技术。
2。1 神经网络的图像识别技术:
为了理解非线性降维的图像识别技术，我们必须为了理解什么是神经网络，这里的神经
网络全称是人工神经网络。是指在现代神经生物学研究的基础上提出的模拟生物过程。为
了反映人脑的某些特征。尽管事实上，神经网络本身并没有完全模仿人类的神经网络。只
能通过对人类神经网络的抽象，简化和模拟来实现。提高了相关计算结构的效率。对于神
经网络的图像识别技术，它可以实现得益于神经网络学习算法的应用，而在神经网络的应
用中在图像识别中，首先需要对相关图像进行预处理。预处理主要包括真彩色图像到灰度
图像和灰度图像的转换。旋转放大，灰度图像归一化等。为了神经网络我们还需要图像识
别领域。用对象完成具体的神经网络设计，主要包括输入层设计，隐藏层设计，输出层设
计，初始权重的选择，期望误差选择了五个方面。在输入层的设计中，需要对图像进行识
别对象需要确定要解决的问题和本文所实现的数据表示。为了便于理解，输入层设计为
16×16。图像样本大小缩放大小，需要 256 维输入；在隐藏层中，在设计中，需要确定
隐藏层的个数和隐藏层元素的个数。由于精度的降低，增加隐藏层的数量可以更好地完成
在选择隐藏层元素的数量时，我们可以有效避免神经网络泛化能力弱，出现了训练外样本
识别率降低的问题。
资源评论
