《表6 图像识别方法对比分析》
深度学习因提取特征能力强,识别精度高,实时性快等优点被广泛应用。特别在人脸识别、医学图像识别、遥感图像识别等方面取得了不俗的效果。在深度学习技术发展之前,图像识别以传统的技术手段实现,例如,主成分分析法(PCA)、拉普拉斯特征图法、局部保值映射法(LPP)、稀疏表示法、神经网络降维法等。但是,由于传统技术手段的缺陷,图像识别效果并不理想。随着深度学习技术的发展,科研工作者开始将深度学习应用到图像识别中,并且在最近的几年中取得了巨大的进步,图像的识别效率及识别效果比传统的识别手段有了较大的进步。其传统识别方法与深度学习识别方法对比分析如表6所示。
图表编号 | XD0090157400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.06.15 |
作者 | 郑远攀、李广阳、李晔 |
绘制单位 | 郑州轻工业大学计算机与通信工程学院、应急平台信息技术河南省工程实验室、郑州轻工业大学计算机与通信工程学院、郑州轻工业大学计算机与通信工程学院 |
更多格式 | 高清、无水印(增值服务) |