基于CNN的图形分类算法研究

提示：本论文内容未经作者授权严禁转载及使用。

图像物体分类与检测是计算机视觉研究中的两个重要的基本问题，也是图像分割、物体跟踪、行为分析等其他高层视觉任务的基础。为最大限度的发挥深度学习算法的性能，有必要对不同的深度学习算法进行评估，从而进行不同数据集识别方法的最优选择。本文基于 CIFAR10 和 MNIST 数据集，采用 LeNet 网络和 VGG 网络进行图像识别，并比较各算法的效率、准确率、召回率等性能差异，进而对两种算法进行对比和分析。