摘要
本发明涉及图像分类技术领域,具体为一种基于深度卷积神经网络的图像分类系统及其分类方法,包括数据准备模块、模型生成模块、模型训练模块、模型评估模块和模型优化与部署模块,所述数据准备模块的输出端与模型生成模块的输入端信号连接,所述模型生成模块的输出端与模型训练模块的输入端信号连接。本发明通过本分类系统及分类方法,具备计算量小和处理简单以及数据预测准确性高和部署后能够继续调整的优点,解决了基于深度卷积神经网络的图像分类应用到目标检测,图像分割,目标跟踪等图像分类时,会存在计算量大、处理复杂,且数据预测的准确性不佳,并在部署后难以对数据继续调整的问题。
技术关键词
深度卷积神经网络
图像分类系统
模型训练模块
图像分类方法
超参数
输入端
图像分类技术
数据收集单元
原始图像数据
网络结构
分类功能
加载单元
生成特征
实时图像
数据分布
系统为您推荐了相关专利信息
近视风险评估
眼科
镜片
空间变化点扩散函数
动态更新
融合特征
患者
注意力机制
神经网络模型
数据编码
XGBoost模型
热水解工艺
温度动态调控
污泥
样本
图像分类方法
声呐
高频特征
图像分类网络
多头注意力机制
多模态数据融合
图像分类方法
加权特征
矩阵
动态权重分配