一种基于深度学习的图像识别方法

本发明涉及图像识别领域，特别是涉及一种基于深度学习的图像识别方法。内容包括：收集历史图像样本及其对应的实际类别和实际类别标签；对历史图像样本进行标准化处理和快速傅里叶变换，得到频域特征矩阵，并构建多阶段特征融合深度模型；对频域特征矩阵进行处理，得到合成矩阵；对合成矩阵进行特征筛选，得到稀疏特征系数向量，计算模糊隶属度，输出预测类别；基于预测类别，优化多阶段特征融合深度模型，并进行图像识别，输出分类结果。解决了当前深度学习图像识别方法对大规模数据集的依赖性较强，模型构建成本高；自适应性和灵活性不足，难以充分捕捉图像中的多尺度信息和复杂模式；存在过拟合风险，模型稳定性和识别精度下降的问题。