为了实现对物体状态的分类识别, 本文在GoogLeNet的Inception V3模块基础上进行了优化, 使用Tanh作为激活函数并结合RMSprop, SGD优化器提升了模型的准确率。首先采用三次卷积插值, GAN对图像集进行预处理, 再利用Inception对图像进行训练, 最后结合RMSprop和SGD优化器对模型进行优化。用本文提出的模型在20个烹饪对象的图像上进行实验, 结果表明, 本文优化的Inception V3模型能够以71.5%的准确度对这些图像的状态进行分类, 与对比算法相比, 在分类准确度、训练损失上都有明显提升, 可以满足图像分类的可靠性、稳定性等要求。
特征提取 图像识别 卷积神经网络 模型训练 feature extraction image recognition convolutional neural network model training