Resumen

Como uno de los métodos más ampliamente utilizados en la tecnología de aprendizaje profundo, las redes neuronales convolucionales tienen poderosas capacidades de extracción de características y capacidades de ajuste de datos no lineales. Sin embargo, el método de red neuronal convolucional todavía tiene desventajas como el modelo de red complejo, el tiempo de entrenamiento demasiado largo y el consumo excesivo de recursos informáticos, la velocidad de convergencia lenta, el sobreajuste de la red y la precisión de clasificación que necesita ser mejorada. Por lo tanto, este artículo propone un algoritmo de clasificación de redes neuronales convolucionales densas basado en características de textura para imágenes en videos de realidad virtual. En primer lugar, se introduce la característica de textura de la imagen como información a priori para reflejar la relación espacial entre píxeles y las características únicas de diferentes tipos de características terrestres. En segundo lugar, se utiliza la matriz de co-ocurrencia de niveles de gris (GLCM) para extraer las características de correlación de niveles de gris de la imagen en el espacio

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Redes neuronales convolucionales; Extracción de características; Características de textura; Algoritmo de clasificación; Red neuronal convolucional densa; Vector de intensidad de imagen
• Keywords:Convolutional neural networks; Feature extraction; Texture features; Classification algorithm; Dense convolutional neural network; Image intensity vector