基于改进 AlexNet 卷积神经网络的轮胎图像识别

来源：计算机技术与发展杂志2021年第07期北京时间：

作者：张素智;吴玉红;常俊

单位：1. 郑州轻工业大学 软件学院,河南 郑州 450000;2. 郑州轻工业大学 计算机与通信工程学院,河南 郑州 450000

摘要：在轮胎破损图像识别的应用中,为了提高图像识别的准确率,需要提取轮胎图像的特征信息,通过利用卷积神经网络对数据集进行反复训练,然后得到轮胎破损图像的训练模型。 而卷积神经网络在轮胎破损图像识别应用中容易出现过拟合现象,使得图像的训练准确率降低。 针对此问题,提出了一种基于 AlexNet 卷积神经网络与岭回归分析相结合的图像识别算法。 通过对岭回归分析和 AlexNet 卷积神经网络识别算法进行的学习研究,在算法原来的损失函数中引入一个新的正则项,以此改变新的损失函数中两部分的占比关系,降低特征信息的拟合曲线抖动的幅度。 最终通过实验验证了改进的 AlexNet 卷积神经网络可以提高轮胎破损图像的训练准确率和识别率。

关键词：图像识别;特征信息;卷积神经网络;回归模型;损失函数