基于Keras的图像分类模型的研究与应用

为提高图像识别的准确率，降低模型的损失，以及简化模型构建过程，文章提出一种基于Keras框架的图像分类神经网络模型。通过改进传统神经网络模型中损失函数以及增加DropOut过拟合技术，利用谷歌TensorFlow平台的Keras高级接口进行图像识别模型的搭建和训练，最终将模型应用于Fashion-MNIST多分类数据集，实验结果表明提出的基于Keras图像分类模型极大地简化了模型的复杂度，减少了模型过拟合现象的发生，并提高了图像分类的准确率。