基于Faster-RCNN深度学习算法的图像识别技术研究  

作　　者：王世勤 

机构地区：[1]长江职业学院,湖北武汉430074

出　　处：《信息记录材料》2025年第4期120-122,共3页Information Recording Materials

基　　金：2023年度湖北省教育厅科学研究计划指导性项目(B2023612)。

摘　　要：为提升图像识别技术准确性,本研究基于区域卷积神经网络(region⁃based convolutional neural network,Faster R⁃CNN)深度学习算法的图像识别方法,采用理论分析与实验验证相结合方法,以公开图像数据集为例,探讨了Faster⁃RCNN的网络结构、区域建议网络(region proposal network,RPN)的实现、特征提取与分类器的设计,并进行了优化设计。在实验过程中,将优化后的Faster⁃RCNN算法与传统算法进行对比分析,验证其性能改进。结果表明:优化后的Faster⁃RCNN算法在图像识别的检测精度、处理速度、小目标检测能力上均优于对比算法,为复杂场景下的图像识别提供了更高效的解决方案。

关 键 词：区域的卷积神经网络(Faster⁃RCNN)算法 网络结构 模型训练 损失函数 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]