發(fā)布時(shí)間：2020-06-19 09:09

【摘要】：隨著智能手機(jī)在大眾消費(fèi)中的流行和普及,智能手機(jī)的相機(jī)功能成為廣大用戶記錄生活點(diǎn)點(diǎn)滴滴的一種基本方式。每個(gè)人的手機(jī)中都有幾百或者上千張圖片,研究和開發(fā)基于內(nèi)容的智能圖片管理平臺(tái)實(shí)現(xiàn)對(duì)圖片高效的分類和管理,具有一定的理論研究?jī)r(jià)值和面向廣大智能手機(jī)用戶的應(yīng)用價(jià)值。本文的主要工作是基于Hypotheses-CNN-Pooling(HCP)網(wǎng)絡(luò)設(shè)計(jì)了一種可以移植到移動(dòng)端的網(wǎng)絡(luò)結(jié)構(gòu),并且在此算法的基礎(chǔ)上實(shí)現(xiàn)了基于內(nèi)容的圖片管理平臺(tái)。改進(jìn)網(wǎng)絡(luò)主要思路有兩個(gè),第一個(gè)是使用共享特征圖的思想,降低網(wǎng)絡(luò)的計(jì)算復(fù)雜度。第二個(gè)是為了更進(jìn)一步的減少其對(duì)資源的占用,在第一步HCP改進(jìn)網(wǎng)絡(luò)的基礎(chǔ)上,設(shè)計(jì)了一種MobileNet提取共享特征的HCP網(wǎng)絡(luò),使其真正能夠移植到移動(dòng)端。具體工作如下:(1)針對(duì)HCP網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜,占用內(nèi)存較多而無法移植到移動(dòng)端的情況,設(shè)計(jì)了一種共享特征圖的HCP網(wǎng)絡(luò)。HCP神經(jīng)網(wǎng)絡(luò)是多標(biāo)簽神經(jīng)網(wǎng)絡(luò),但是因?yàn)槠鋬?nèi)存占用多而無法將其移植到手機(jī)端,為了減少其計(jì)算復(fù)雜度,本文把Fast R-CNN共享特征圖的思想應(yīng)用到HCP神經(jīng)網(wǎng)絡(luò)中,通過共享特征圖的方式減少計(jì)算量,在準(zhǔn)確率基本不變的情況下降低HCP計(jì)算復(fù)雜度。具體改進(jìn)方案是將HCP中的共享神經(jīng)網(wǎng)絡(luò)分為兩個(gè)部分,前一部分為特征網(wǎng)絡(luò),其作用是提取共享特征。后一部分為分類器,其作用是實(shí)現(xiàn)候選區(qū)域?qū)?yīng)位置的特征圖分類。(2)為了進(jìn)一步減少對(duì)資源的消耗和內(nèi)存占用,本文設(shè)計(jì)了一種使用MobileNet提取共享特征的HCP網(wǎng)絡(luò)。HCP神經(jīng)網(wǎng)絡(luò)使用VGG-16和AlexNet作為共享網(wǎng)絡(luò),但是由于VGG-16網(wǎng)絡(luò)龐大,即使使用共享特征圖也不能在移動(dòng)端表現(xiàn)得很好,而AlexNet準(zhǔn)確率比較低,也不滿足需求。針對(duì)這種情況,本文在HCP第一步改進(jìn)的基礎(chǔ)上把共享神經(jīng)網(wǎng)絡(luò)替換為MobileNet,因?yàn)镸obileNet神經(jīng)網(wǎng)絡(luò)計(jì)算量很小且準(zhǔn)確率比較高,所以使用MobileNet可以在基本保持準(zhǔn)確率不變的情況下減少HCP網(wǎng)絡(luò)的計(jì)算復(fù)雜度和內(nèi)存占用,從而可以將其應(yīng)用到移動(dòng)端。(3)在改進(jìn)的HCP網(wǎng)絡(luò)的基礎(chǔ)上實(shí)現(xiàn)了一個(gè)基于內(nèi)容的圖片管理平臺(tái)。用戶不需要將其照片上傳到服務(wù)器即可實(shí)現(xiàn)圖片管理的功能。本平臺(tái)主要是基于圖片內(nèi)容管理圖片,圖片內(nèi)容主要包括圖片Exif信息中的時(shí)間信息、位置信息以及圖片場(chǎng)景內(nèi)容信息。除此之外,為了方便用戶使用本管理平臺(tái)也實(shí)現(xiàn)了按照用戶本地圖庫展示圖片的功能,同時(shí)提供了很多小功能比如拍照、生成影集等。該平臺(tái)可以智能地管理用戶相冊(cè)中的圖片,方便用戶查找圖片中有效信息。
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TP311.52
【圖文】：

積神經(jīng)網(wǎng)絡(luò)有很多的優(yōu)點(diǎn)，比如，可以輸入直接輸入原圖像就可以進(jìn)行處理，省去了圖逡逑像預(yù)處理的步驟。局部連接和權(quán)值共享是卷積神經(jīng)網(wǎng)絡(luò)的兩個(gè)很大的特點(diǎn)，通過這兩種逡逑方式，可以減少參數(shù)的數(shù)量，提高訓(xùn)練速度和一定的泛化能力。如圖２－１所示，是一個(gè)逡逑卷積神經(jīng)網(wǎng)絡(luò)模型的例子。逡逑邐８＊８邋邐＂邋４＊４邋ＦＴ邐逡逑－２４邋—邋１２．２邐＼Ｘ／逡逑Ａｎ邋…ｉｔＨ＃逡逑＼邋２４＊２４邐ＪＡ逡逑邐邋邐邋＾邋８＊８邋邐？邋４＊４邋匕邐ｈ）邋１＊１逡逑輸入層ｉｎｐｕｔ邐卷積層Ｃｌ邐采樣層Ｓ２邐卷積層Ｃ３邐懫樣層Ｓ４邋輸出層ｏｕｔｐｕｔ逡逑１邋個(gè)２８＊２８的ｍａｐ邋ｉ邋６個(gè)２４＊２４的ｍａｐ６個(gè)邋１２＊１２的ｍａｐ邋１２個(gè)８＊８的ｍａｐ邋１２個(gè)４＊４的ｍａｐ邋１１２個(gè)邋１＊１邋的ｍａｐ逡逑圖２－１卷積神經(jīng)網(wǎng)絡(luò)模型逡逑Ｆｉｇｕｒｅ邋２－１邋Ｃｏｎｖｏｌｕｔｉｏｎ邋ｎｅｕｒａｌ邋ｎｅｔｗｏｒｋ邋ｍｏｄｅｌ逡逑圖２－１中是卷積神經(jīng)網(wǎng)絡(luò)處理一張圖像的過程，在輸入層輸入一張圖像，之后通過逡逑卷積和采樣的過程得到多個(gè)特征圖，最后通過全連接層，將圖像進(jìn)行分類。在圖中可以逡逑看出卷積和采樣是一起出現(xiàn)的，一般是卷積層在前，采樣層在后。特征圖的數(shù)量不一樣，逡逑是因?yàn)樵诰矸e過程中使用了不同的卷積核，因?yàn)椴煌木矸e核對(duì)應(yīng)不同特征�；镜木礤义戏e神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及其各層之間的傳輸過程為：輸入層一卷積層一ＲｅＬＵ層一池化層一全逡逑連接層一輸出層。逡逑其中輸入層輸入的是原始圖像，一般是原始的像素值，包括寬、高以及顏色通道。逡逑卷積層一般通過卷積核將圖像分為不同的特征圖

要依次覆蓋數(shù)據(jù)的每一個(gè)像素，之后將這些點(diǎn)進(jìn)行加權(quán)的操作，而該卷積核在圖逡逑像上該點(diǎn)的響應(yīng)值就是最后加權(quán)完成后得到的結(jié)果。逡逑神經(jīng)網(wǎng)絡(luò)主要是通過卷積的過程提取圖像的特征，卷積的過程如圖２＿２所示，圖中逡逑使用的是３ｘ３的卷積核對(duì)像素點(diǎn)進(jìn)行卷積運(yùn)算。在使用卷積提取圖像特征的過程中，通逡逑過不同的卷積核可以得到圖像的不同特征。在提取特征的過程中，每一層都會(huì)經(jīng)過卷積逡逑層和下采樣層，經(jīng)過這兩層后圖像的分辨率會(huì)降低，但是經(jīng)過信息內(nèi)容的抽取，使得特逡逑征信息越來越多，網(wǎng)絡(luò)可以自動(dòng)地學(xué)習(xí)圖像中的特征。逡逑１邐Ｉ邋２邋Ｉ邋３邋Ｉ邋４邐Ｉ邐－１６邐－２４邐－２８邐－２３逡逑５邐６邐７邐８邐１邐２邐１邐－２４邋－３２邋－３２邋－２４逡逑邐傘邋０邐０邐０邋ＺＺ：逡逑９邐１０邐１１邐１２邐邐邋－２４邐－３２邐－３２邐－２４逡逑邐邋－１邐－２邐－１逡逑１３邋１４邐１５邐１６邐邐邐—Ｉ邐１邐２８邋４０邋４４邐３５逡逑圖２－２卷積計(jì)算過程逡逑Ｆｉｇｕｒｅ邋２－２邋Ｃｏｎｖｏｌｕｔｉｏｎ邋ｃａｌｃｕｌａｔｉｏｎ邋ｐｒｏｃｅｓｓ逡逑池化就是下采樣（ｄｏｗｎｓａｍｐｌｅｓ）的過程，一般池化的目的在于減少特征圖的數(shù)量。逡逑池化過程對(duì)于每個(gè)切片是獨(dú)立的，一般在卷積操作之后進(jìn)行。以在２ｘ２的規(guī)模下進(jìn)行運(yùn)逡逑算為例，池化一般有以下幾種運(yùn)算方法，分別如下：逡逑１）最大槐化：即我們常說的Ｍａｘ邋Ｐｏｏｌｉｎｇ

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 康志輝;曾偉淵;;電子相冊(cè)管理系統(tǒng)設(shè)計(jì)[J];電腦編程技巧與維護(hù);2015年16期

2 桂振文;劉越;陳靖;王涌天;徐志偉;;一種適用于智能手機(jī)的圖像識(shí)別算法[J];電子學(xué)報(bào);2014年08期

3 程濤;陳慧琴;孫萍;;基于Android的手機(jī)相冊(cè)分享軟件的設(shè)計(jì)與實(shí)現(xiàn)[J];微型機(jī)與應(yīng)用;2014年13期

4 林培杰;朱安南;程樹英;;Android數(shù)據(jù)庫SQLite性能優(yōu)化[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2014年04期

5 王巖;金鑫;李福林;;基于安卓的移動(dòng)應(yīng)用開發(fā)-手機(jī)相冊(cè)的設(shè)計(jì)與實(shí)現(xiàn)[J];電子制作;2013年18期

本文編號(hào)：2720584