Resumen

Cada vez se utilizan más materiales de imagen en diversas industrias en la actualidad. Por lo tanto, la forma de recopilar imágenes útiles de un conjunto grande se ha convertido en una prioridad urgente. Las redes neuronales convolucionales (CNN) han logrado buenos resultados en ciertas tareas de clasificación de imágenes, pero aún existen problemas como la capacidad de clasificación deficiente, la baja precisión y la lenta velocidad de convergencia. Este artículo presenta principalmente la investigación del algoritmo de clasificación de imágenes (ICA) basado en el aprendizaje multietiqueta de la red neuronal convolucional mejorada y algunas ideas de mejora para la investigación del ICA basada en el aprendizaje multietiqueta de la red neuronal convolucional. Este documento propone un método de investigación de ICA basado en el aprendizaje multietiqueta de redes neuronales convolucionales mejoradas, que incluye el proceso de clasificación de imágenes, el algoritmo de red convolucional y el algoritmo de aprendizaje multietiqueta. Las conclusiones muestran que la precisión máxima de clasificación promedio de la

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Materiales de imagen; Redes neuronales convolucionales; Algoritmo de clasificación de imágenes; Aprendizaje multietiqueta; Red neuronal convolucional mejorada; Precisión de clasificación
• Keywords:Image materials; Convolutional neural networks; Image classification algorithm; Multilabel learning; Improved convolutional neural network; Classification accuracy