卷积神经网络的参数优化和函数选择

卷积神经网络在各大领域都取得了不错的研究成果,并已成熟地应用于许多工业项目,俨然成为了未来人工智能的一种发展趋势.文章首先回顾了卷积神经网络的基本结构和原理,然后主要分析了内部的初始化参数、激活函数与损失函数的选择以及超参数设置对模型训练时间及准确率带来的影响,并在测试了所有的组合方式后挖掘出其中最优的模型.在TensorFlow平台上以MNIST数据集进行验证,其结果表明该模型在不同的需求下都取得了不错的训练结果.

基于天牛须优化的BAS-CRI图像修复算法

针对Criminisi算法中由于优先权计算不准确导致的修复效果不理想、修复效率低等问题,提出一种基于天牛须算法优化的BAS-CRI图像修复算法.首先在Criminisi算法优先权计算过程中,加入等照度曲线提高优先权的可靠性,并针对置信项加入调整因子,平滑置信项.其次,在最佳匹配块搜索阶段,引入改进后的天牛须搜索算法,提高搜索效率和鲁棒性.最后,利用主观视觉评价和峰值信噪比(PSNR值)量化评价,验证了算法的有效性.结果表明,所提算法较其他算法修复效果更好.