基于深度学习的几何图形分类算法研究
图像与视频处理
2024-04-26 v1
摘要
近年来，随着计算机信息技术的快速发展，人工智能的发展正在加速。传统的几何识别技术相对落后，识别率较低。在面对海量信息数据库时，传统算法模型不可避免地会存在识别准确率低和性能差的问题。深度学习理论逐渐成为机器学习的重要部分。卷积神经网络(CNN)的实现降低了图形生成算法的难度。本文利用lenet-5架构共享权重和特征提取与分类的优势，提出的几何图案识别算法模型在训练数据集方面更快。通过构建算法模型的共享特征参数，采用交叉熵损失函数来提高模型的泛化性，从而提高测试数据集的平均识别准确率。
引用
@article{arxiv.2404.16544,
title = {Image registration based automated lesion correspondence pipeline for longitudinal CT data},
author = {Subrata Mukherjee and Thibaud Coroller and Craig Wang and Ravi K. Samala and Tingting Hu and Didem Gokcay and Nicholas Petrick and Berkman Sahiner and Qian Cao},
journal= {arXiv preprint arXiv:2404.16544},
year = {2024}
}