隨著互聯(lián)網(wǎng)技術(shù)和移動設(shè)備的迅速發(fā)展,智能手機Web應用由于其天然的跨平臺性質(zhì)和無需下載、方便用戶使用的特點,能有效幫助品牌進行產(chǎn)品推廣,因此受到歡迎與廣泛重視。其中對于品牌logo識別技術(shù)作為許多智能手機Web應用中的一項基礎(chǔ)性技術(shù)和重要步驟,也得到了開發(fā)人員的重視和諸多發(fā)展。目前為止,傳統(tǒng)的logo識別技術(shù)基本都是通過人為選擇特征進行特征匹配或輪廓提取等方法達到識別目的,但這些傳統(tǒng)方法由于自身局限性應用在智能手機Web應用場景中時都存在諸多不足。近些年隨深度學習的迅猛發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)在圖像識別領(lǐng)域取得了較大的成功,這為面向智能手機Web應用的logo識別問題的解決提供了新思路。卷積神經(jīng)網(wǎng)絡(luò)一般在解決海量數(shù)據(jù)的多分類問題上表現(xiàn)較好,直接應用于解決單一品牌的logo識別問題時,由于logo結(jié)構(gòu)簡單、樣本規(guī)模一般較小等因素限制導致網(wǎng)絡(luò)表現(xiàn)不佳。為有效利用卷積神經(jīng)網(wǎng)絡(luò)優(yōu)良特性有效的解決單一品牌的logo識別問題,本文提出了陪練機制和閾值判定法。本文首先研究了幾種經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)在logo識別上的應用,探究了分類類別數(shù)的變化對于卷積神經(jīng)網(wǎng)性能的影響,提出了陪練數(shù)據(jù)集的概念,并分析了為卷積神經(jīng)...

【文章頁數(shù)】：93 頁

【學位級別】：碩士

【部分圖文】：

圖２－２單層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)??“”“

?／??輸入?權(quán)值??圖２－１?抽象的神經(jīng)元模型ＭＰ??神經(jīng)元是神經(jīng)網(wǎng)絡(luò)的基本組成單元。一個典型的神經(jīng)元模型應該包含有輸入，??輸出和計算功能。連接是神經(jīng)元中最重要的東西，每一個連接上都應當有一個權(quán)??重。如上圖中的ｗ即為對應每條連接上的權(quán)重。一個神經(jīng)網(wǎng)絡(luò)的訓練算法旨在??通過不....

圖２－１?抽象的神經(jīng)元模型ＭＰ??

單層神經(jīng)網(wǎng)絡(luò)也稱感知機，是最簡單的祌經(jīng)網(wǎng)絡(luò)，是于１９５８年康內(nèi)爾大學??計算科學家Ｆｒａｎｋ?Ｒｏｓｅｎｂｌａｔｔ提出兩層神經(jīng)構(gòu)成的神經(jīng)網(wǎng)絡(luò)。感知機有兩個層次，??分別是輸入層和輸出層，輸入層和輸出層是直接相連的，結(jié)構(gòu)如圖２－２所示。??？??圖２－２單層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)??輸入層里....

圖２－３?兩層祌經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)??單隱層神經(jīng)網(wǎng)絡(luò)是感知器的推廣，可以被看做是一個有向圖，一組輸入向量??

?／??輸入?權(quán)值??圖２－１?抽象的神經(jīng)元模型ＭＰ??神經(jīng)元是神經(jīng)網(wǎng)絡(luò)的基本組成單元。一個典型的神經(jīng)元模型應該包含有輸入，??輸出和計算功能。連接是神經(jīng)元中最重要的東西，每一個連接上都應當有一個權(quán)??重。如上圖中的ｗ即為對應每條連接上的權(quán)重。一個神經(jīng)網(wǎng)絡(luò)的訓練算法旨在??通過不....

圖２－４多層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)??

調(diào)”（ｆｉｎｅ－ｔｕｎｉｎｇ）技術(shù)將預訓練的結(jié)果當成模型參數(shù)初始值來對整個網(wǎng)絡(luò)進行優(yōu)??化訓練。預訓練和微調(diào)技術(shù)的使用大幅降低了多層神經(jīng)網(wǎng)絡(luò)訓練的耗時。多層神??經(jīng)網(wǎng)絡(luò)基礎(chǔ)結(jié)構(gòu)如圖２－４所示。??＇?Ｉ?！??輸入?輸入層?隱含層?輸出層輸出??圖２－４多層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)??神經(jīng)網(wǎng)....

本文編號：3988803