基于深度学习的图像分类识别-课程论文(共17页word文档-含python代码)

摘要：本文首先简单介绍了深度学习图像识别算法，并复现了LeNet – 5卷积神经网络，对MNIST数据集的手写字体图像的识别。在此基础上，将一个两层的卷积网络用于CIFAR-10数据集的识别。先后研究了训练样本数及卷积层数对识别准确率的影响。其中，当卷积层增加至4层时，识别准确率突破了80%，且呈现出一种明显的上升趋势。最后本文基于4层卷积网络模型，探析了不同学习速率，不同优化器对识别准确率的影响，结果表明，优化器为AdamOptimizer，学习速率设置为0.001，可取的一个较为令人满意的识别结果。

资源下载：

该资源可从以下链接处获取：

https://download.csdn.net/download/qq_36584460/79495163

资源包含以下内容：

基于深度学习的图像分类识别.docx (共17页)
LeNet-5卷积网络.py
四层卷积网络.py

该文档可作为课程大作业/课程论文；毕业论文参考资料来使用。