基于神经网络的图像识别算法及应用研究  

作　　者：张冰心 李娟 

机构地区：[1]武昌工学院,湖北武汉430000

出　　处：《电脑知识与技术》2025年第8期32-36,共5页Computer Knowledge and Technology

基　　金：武昌工学院校级科研项目(项目编号:2022KY10)。

摘　　要：针对传统图像识别算法训练时间长、识别准确率低等问题,本文构建了两个由卷积层、激活层和池化层组成的基础卷积模块,将70 000张手写数字样本输入模型,训练集和测试集的准确率均达到98%以上。在此基础上,本文利用迁移学习技术优化ResNet152模型结构。第一阶段保持卷积层不变,仅调整全连接层参数,经过多次迭代,训练集准确率稳定在80%左右,验证集准确率在65%~70%。第二阶段在保存的最优模型基础上解冻所有层继续训练,训练集准确率提高至84%,验证集准确率提高至73%。实验结果表明,本文提出的模型优化方法有效提升了图像识别的准确率和训练效率。

关 键 词：计算机技术 图像识别 卷积神经网络 迁移学习 ResNet152 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]