论文部分内容阅读
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。