论文部分内容阅读
传统的卷积神经网络图像分类算法区域聚类所需时间过长,无法实现快速图像分类。针对这一问题,提出面向嵌入式的卷积神经网络图像分类算法,确定卷积神经网络图像分类特征,将特征维数作为图像分类标准,形成数个彼此独立的区域图像;并建立拉普拉斯卷积神经网络图像分类矩阵,融合多种图像分类特征,使相同类别的区域图像更快进行聚类,提高图像分类特征的传播聚类过程。面向嵌入式执行卷积神经网络图像分类,从根本上避免了传统图像分类数据存储中繁琐的寻址过程。仿真实验结果表明设计的图像分类算法图像分类执行时间明显快于实验对照组两倍