本文關(guān)鍵詞：基于深度學(xué)習(xí)的場景分類，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著多媒體技術(shù)的發(fā)展和互聯(lián)網(wǎng)的日益普及,人們生活中所接觸到的圖像信息與日俱增,面對巨大的圖像數(shù)據(jù),傳統(tǒng)的人工分類標(biāo)注圖像的管理方式變得不再可行�，F(xiàn)有諸如支持向量機(jī)、僅含一層隱層的神經(jīng)網(wǎng)絡(luò)、核回歸等一些機(jī)器學(xué)習(xí)方法都是采用淺層學(xué)習(xí)結(jié)構(gòu),這種有限的樣本數(shù)量和計算單元對復(fù)雜函數(shù)的表示存在明顯的不足,在復(fù)雜的分類問題上更難以有效地表現(xiàn)性能和泛化能力。神經(jīng)網(wǎng)絡(luò)構(gòu)建的深度學(xué)習(xí)方法取得了很多突破性的進(jìn)展,在計算機(jī)視覺、語音識別、自然語言處理等領(lǐng)域也出現(xiàn)了大量的創(chuàng)新應(yīng)用。深度學(xué)習(xí)是一個模擬人類大腦學(xué)習(xí)機(jī)制的過程,采用多層神經(jīng)網(wǎng)絡(luò)對現(xiàn)實對象或者語音、文本等數(shù)據(jù)進(jìn)行抽象表達(dá),將抽取的特征與分類器結(jié)合到一個學(xué)習(xí)框架下,對相關(guān)對象進(jìn)行分類識別等。這種采用深層非線性結(jié)構(gòu)的網(wǎng)絡(luò),能夠?qū)?fù)雜函數(shù)實現(xiàn)逼近,分布式表示輸入數(shù)據(jù),并能夠抽取到輸入數(shù)據(jù)的本質(zhì)特征。針對傳統(tǒng)場景分類需要人工設(shè)計特征以及特征存在的魯棒性不強(qiáng)的問題,本文結(jié)合深度學(xué)習(xí)方法進(jìn)行場景分類,構(gòu)建了一種能夠提取多種場景圖像特征的深度卷積神經(jīng)網(wǎng)絡(luò)模型。該模型能夠利用深度卷積神經(jīng)網(wǎng)絡(luò)框架自動的從場景數(shù)據(jù)庫中學(xué)習(xí)場景圖像的特征。根據(jù)深度卷積神經(jīng)網(wǎng)絡(luò)分層提取圖像信息的特點,該模型的底層采用較小的卷積核,可以提取到更多的底層圖像特征,為高層特征奠定了良好的基礎(chǔ)。同時,利用深度卷積神經(jīng)網(wǎng)絡(luò)最后一層4096個神經(jīng)元作為場景特征,分別訓(xùn)練出不同場景模型,并結(jié)合Lib-SVM多分類器直接對場景圖像原圖進(jìn)行分類。通過在兩個數(shù)據(jù)集上的實驗驗證,表明深度卷積神經(jīng)網(wǎng)絡(luò)可以有效地提取場景特征,并使訓(xùn)練出的場景模型具有較強(qiáng)的泛化性能和較高的分類準(zhǔn)確率。
【關(guān)鍵詞】：場景分類 深度學(xué)習(xí) 深度卷積神經(jīng)網(wǎng)絡(luò) 場景特征 場景模型
【學(xué)位授予單位】：遼寧工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;TP183
【目錄】：

• 摘要5-6
• Abstract6-9
• 1 緒論9-15
• 1.1 課題研究的背景9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-12
• 1.2.1 場景分類的研究現(xiàn)狀10-11
• 1.2.2 深度學(xué)習(xí)在圖像領(lǐng)域的研究現(xiàn)狀11-12
• 1.3 課題研究意義12-13
• 1.4 本文的章節(jié)安排及主要內(nèi)容13-15
• 2 相關(guān)基礎(chǔ)理論15-33
• 2.1 場景分類的概念和特點15-18
• 2.1.1 場景分類的概念15-16
• 2.1.2 場景分類的主要特點16-18
• 2.2 機(jī)器學(xué)習(xí)中常用的分類模型18-23
• 2.2.1 SVM分類模型18-20
• 2.2.2 Softmax回歸模型20-23
• 2.2.3 K-近鄰分類模型23
• 2.3 人工神經(jīng)網(wǎng)絡(luò)23-27
• 2.3.1 神經(jīng)元24-25
• 2.3.2 神經(jīng)網(wǎng)絡(luò)25-27
• 2.4 BP網(wǎng)絡(luò)模型27-32
• 2.4.1 BP網(wǎng)絡(luò)的基本原理27-29
• 2.4.2 BP算法的數(shù)學(xué)表達(dá)29-31
• 2.4.3 BP算法的執(zhí)行步驟31-32
• 2.5 本章小結(jié)32-33
• 3 深度學(xué)習(xí)網(wǎng)絡(luò)模型33-43
• 3.1 深度學(xué)習(xí)33-35
• 3.1.1 深度學(xué)習(xí)簡介33-34
• 3.1.2 深度學(xué)習(xí)基本思想34
• 3.1.3 深度學(xué)習(xí)訓(xùn)練過程34-35
• 3.2 深度學(xué)習(xí)常用方法35-40
• 3.2.1 自動編碼器35-36
• 3.2.2 稀疏自動編碼器36-37
• 3.2.3 受限玻爾茲曼機(jī)37-40
• 3.3 深度信念神經(jīng)網(wǎng)絡(luò)40-42
• 3.4 本章小結(jié)42-43
• 4 基于深度卷積神經(jīng)網(wǎng)絡(luò)的場景分類43-55
• 4.1 卷積神經(jīng)網(wǎng)絡(luò)43-45
• 4.1.1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)43-44
• 4.1.2 卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)越性44-45
• 4.2 基于深度卷積神經(jīng)網(wǎng)絡(luò)算法45-48
• 4.2.1 模型簡介45-46
• 4.2.2 系統(tǒng)層次及參數(shù)設(shè)置46-48
• 4.2.3 特征提取與模型訓(xùn)練48
• 4.3 實驗結(jié)果及分析48-54
• 4.3.1 實驗設(shè)置48-49
• 4.3.2 ImageNet-2012數(shù)據(jù)集上實驗49-52
• 4.3.3 NUS-WIDE數(shù)據(jù)集上實驗52-54
• 4.4 本章小結(jié)54-55
• 5 總結(jié)和展望55-56
• 5.1 總結(jié)55
• 5.2 展望55-56
• 參考文獻(xiàn)56-59
• 致謝59

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 云中客;新的神經(jīng)網(wǎng)絡(luò)來自于仿生學(xué)[J];物理;2001年10期

2 唐春明,高協(xié)平;進(jìn)化神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展[J];系統(tǒng)工程與電子技術(shù);2001年10期

3 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運優(yōu)化方法[J];長沙鐵道學(xué)院學(xué)報;2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計算機(jī)工程與應(yīng)用;2004年21期

5 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

6 周麗暉;從統(tǒng)計角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補(bǔ)償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計算機(jī)信息;2005年14期

8 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場預(yù)測中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

9 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過去談科學(xué)發(fā)展觀[J];重慶三峽學(xué)院學(xué)報;2006年03期

10 楊鐘瑾;;神經(jīng)網(wǎng)絡(luò)的過去、現(xiàn)在和將來[J];青年探索;2006年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

10 張廣遠(yuǎn);萬強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達(dá)大學(xué)社會學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

4 中國科技大學(xué)計算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報;2011年

7 健康時報特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國際先進(jìn)水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報;2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 曾U喺

本文編號：282572