研究基于SE-RES-CNN模型的体育图像分类方法
Qinglan Li1, Jichong Lei2, Changan Ren3
1Department of Physical Education and Research, Hunan Institute of Technology, Hengyang, 421002, Hunan, China.
Scientific reports
|August 17, 2024
概括
一个新的SE-RES-CNN模型使用自适应频道加权和深度特征提取,提高了5%的体育图像分类准确度. 这种深度学习方法显著提高了体育图像检索和管理的效率.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 图像处理 图像处理
背景情况:
- 手动的体育图像分类对于大型数据集来说是低效和不准确的.
- 数字技术的进步需要有效的图像分类方法.
研究的目的:
- 开发一个高效的深度学习模型用于体育图像分类.
- 为了提高体育图像检索和管理的准确性和速度.
主要方法:
- 介绍了一个新的SE-RES-CNN神经网络模型.
- 集成一个SE模块用于自适应道重量调整.
- 使用Res模块进行深度特征提取,防止梯度消失和多尺度处理.
主要成果:
- 在体育图像数据集上,SE-RES-CNN模型达到高达98%的准确性.
- 与VGG-16和ResNet50.50.相比,其分类准确度有了5%的改善.
- 在6秒内分类了100张图像,单次预测时间为0.012秒.
结论:
- 对于体育图像分类,SE-RES-CNN模型是准确和有效的.
- 拟议的模型显著提高了体育图像检索的效率.
- 验证了模型处理大规模图像数据集的能力.
