深度神经网络图像识别技术中，网络的前端层用来对特征进行映射，后端层提取图像的特征从而实现图像识别分类。
举一反三
- 在深度神经网络图像识别技术中，后端层用来（）从而实现图像识别分类。 A: 对特征进行映射 B: 对图像分类 C: 提取图像的特征 D: 对图像进行预处理
- 在深度神经网络图像识别技术中，网络的前端层的作用为（）。 A: 对特征进行映射 B: 对图像进行预处理 C: 提取图像的特征 D: 对图像分类
- 智慧职教: 原始图像经过深度学习网络进行逐层特征提取、像素级分割、特征识别、语义标注等过程，实现对图像中各类目标的识别、分类、语义信息标注。
- （）是模式识别技术在图像领域中的具体应用，是对输入的图像信息建立图像识别模型，分析并提取图像的特征，然后建立分类器，根据图像的特征进行分类识别的一种技术。 A: 图像识别 B: 图像构建 C: 图像修改 D: 图像重现
- BP神经网络和CNN神经网络都可以用于图像识别，但BP-神经网络要经过繁琐的特征工程提取原始图像特征以向量的方式输入网络，而CNN-神经网络本身包含了卷积层来提取特征，所以可以直接输入原始图像到网络，应用起来更方便。