基于卷积神经网络的Logo图像分类方法

摘要

本发明公开了一种基于卷积神经网络的Logo图像分类的方法，包括：利用卷积神经网络中的卷积操作来自动提取Logo图像特征，能够捕捉图像中区域的位置偏移，并挖掘Logo图像的深层信息。利用卷积神经网络中的池化操作，能够基于图像局部相关性的原理，对图像进行子抽样，进一步保证了一定程度上的形变和尺度不变形，降低了计算的复杂度。最后，利用卷积神经网络中的dropout正则化技术，缓解过拟合的发生，提高了Logo图像分类的效果。本发明的技术方案保证了图像深度特征提取的效果，弥补了基于传统的图像分类方法在Logo分类方面的不足，提高了分类结果的准确性，并且能够极大提高Logo图像分类算法的运行速度。