【技术实现步骤摘要】
一种基于改进型ArcFace损失函数的图像识别方法
本专利技术属于深度神经网络提取图像特征的深度学习领域，涉及到神经网络、模式识别等技术，尤其涉及到一种基于改进型ArcFace损失函数的图像识别方法。
技术介绍
随着大数据时代的来临和计算能力的大幅提高，图像识别技术正向着高级语义理解方向发展，而基于深度学习的图像识别技术已经成为当今人工智能领域的研究热点。图像识别技术是通过计算机对图像自动进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。图像识别技术具有广泛的应用，例如，在农业中，可以通过植物的长势、叶子和花的颜色进行判断，给植物进行浇水、施肥、杀虫；在工业中，可以通过图像识别对整个车间的产品进行把控；在医学中，可以通过细胞、骨头的形状进行分析病人的健康状况；在航天中，可以根据卫星图片的实时反馈，进行航天研究；在日常生活中，图像识别技术也非常普及，如车牌识别、指纹识别等；然而，图像识别技术还存在一些困难，由于视点变化、背景复杂、光影变化、遮挡、变形等增加图像识别的难度，造成在基于深度学习的图像识别网络训练过程中图像分类不准确问题，为解决这一问题，ArcF...
【技术保护点】
1.一种基于改进型ArcFace损失函数的图像识别方法，其特征在于包括如下步骤：步骤(1)：准备图像识别训练数据集、测试数据集；步骤(2)：构建基于卷积神经网络的图像识别网络结构，所述基于卷积神经网络的图像识别网络包含卷积层，池化层，全连接层，改进型ArcFace损失函数层，其中，两个卷积层与一个池化层构成一个图像识别子结构，图像识别网络由N个串联的子结构，两个全连接层F1、F2，一个改进型ArcFace损失函数层构成；步骤(3)：将图像识别训练数据集输入到步骤(2)构建的基于卷积神经网络的图像识别网络中训练，训练过程中的损失函数采用改进型ArcFace损失函数，通过不断的...
【技术特征摘要】
1.一种基于改进型ArcFace损失函数的图像识别方法，其特征在于包括如下步骤：步骤(1)：准备图像识别训练数据集、测试数据集；步骤(2)：构建基于卷积神经网络的图像识别网络结构，所述基于卷积神经网络的图像识别网络包含卷积层，池化层，全连接层，改进型ArcFace损失函数层，其中，两个卷积层与一个池化层构成一个图像识别子结构，图像识别网络由N个串联的子结构，两个全连接层F1、F2，一个改进型ArcFace损失函数层构成；步骤(3)：将图像识别训练数据集输入到步骤(2)构建的基于卷积神经网络的图像识别网络中训练，训练过程中的损失函数采用改进型ArcFace损失函数，通过不断的对网络进行循环迭代训练使损失函数不断减小，直到完成设定的迭代次数Q，并将图像识别模型进行保存；步骤(4)：将图像识别测试数据集利用步骤(3)中得到的...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。