Research on geometric figure classification algorithm based on Deep Learning

要約

近年、コンピュータ情報技術の急速な発展に伴い、人工知能の開発が加速しています。
従来の幾何学認識技術は比較的遅れており、認識率が低いです。
膨大な情報データベースに直面すると、従来のアルゴリズム モデルでは認識精度が低く、パフォーマンスが低いという問題が避けられません。
深層学習理論は徐々に機械学習の非常に重要な部分になってきました。
畳み込みニューラル ネットワーク (CNN) の実装により、グラフィックス生成アルゴリズムの難易度が軽減されます。
この論文では、重みと特徴抽出と分類を共有する lenet-5 アーキテクチャの利点を利用して、提案された幾何学パターン認識アルゴリズム モデルがトレーニング データ セット内でより高速になります。
アルゴリズム モデルの共有特徴パラメーターを構築することにより、認識プロセスでクロス エントロピー損失関数が使用され、モデルの一般化が向上し、テスト データ セットの平均認識精度が向上します。

要約(オリジナル)

In recent years, with the rapid development of computer information technology, the development of artificial intelligence has been accelerating. The traditional geometry recognition technology is relatively backward and the recognition rate is low. In the face of massive information database, the traditional algorithm model inevitably has the problems of low recognition accuracy and poor performance. Deep learning theory has gradually become a very important part of machine learning. The implementation of convolutional neural network (CNN) reduces the difficulty of graphics generation algorithm. In this paper, using the advantages of lenet-5 architecture sharing weights and feature extraction and classification, the proposed geometric pattern recognition algorithm model is faster in the training data set. By constructing the shared feature parameters of the algorithm model, the cross-entropy loss function is used in the recognition process to improve the generalization of the model and improve the average recognition accuracy of the test data set.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google