本文關(guān)鍵詞：基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：卷積神經(jīng)網(wǎng)絡(luò)是近年來興起的一種人工神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)理論相結(jié)合的模式識別方法,目前已經(jīng)成為圖像分類領(lǐng)域中的研究熱點(diǎn)之一。與傳統(tǒng)的圖像分類方式不同,卷積神經(jīng)網(wǎng)絡(luò)不需要針對特定的任務(wù)對圖像提取具體的手工特征,而是模擬人類的視覺系統(tǒng)對原始圖像進(jìn)行層次化的抽象處理來產(chǎn)生分類結(jié)果。該方法采用局部感受野、權(quán)值共享和空間采樣技術(shù),使得網(wǎng)絡(luò)的訓(xùn)練參數(shù)相比于神經(jīng)網(wǎng)絡(luò)大大減少,而且對圖像具有一定程度上的平移、旋轉(zhuǎn)和扭曲不變性,己廣泛應(yīng)用于語音識別、人臉識別、手寫體識別、行人檢測等應(yīng)用領(lǐng)域。將卷積神經(jīng)網(wǎng)絡(luò)運(yùn)用到圖像分類領(lǐng)域,與傳統(tǒng)的圖像分類方法相比,具有更高的識別率和更廣泛的實(shí)用性。因此,卷積神經(jīng)網(wǎng)絡(luò)的研究具有重要的理論意義,同時(shí),將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于手寫體數(shù)字識別、人臉識別和植物葉片識別等研究,具有重要的實(shí)際應(yīng)用價(jià)值。本文從卷積神經(jīng)網(wǎng)絡(luò)的基本概念和算法入手,深入研究卷積神經(jīng)網(wǎng)絡(luò)理論,擬在傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)基礎(chǔ)上改進(jìn)其固定結(jié)構(gòu),并基于此理論算法進(jìn)一步開展了手寫體數(shù)字識別、人臉識別和植物葉片分類應(yīng)用的研究。論文的主要工作如下：(1)整理和總結(jié)了人工神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的國內(nèi)外研究現(xiàn)狀,介紹了卷積神經(jīng)網(wǎng)絡(luò)的基本概念和基本原理,詳細(xì)闡述了其基本結(jié)構(gòu)和網(wǎng)絡(luò)參數(shù),指出了目前卷積神經(jīng)網(wǎng)絡(luò)的一些優(yōu)缺點(diǎn)。(2)由于傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)是應(yīng)用在手寫體數(shù)字識別上的,本文將網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行一些細(xì)微的調(diào)整以適應(yīng)人臉圖像的大小以及具體人臉數(shù)據(jù)庫的類別數(shù),此外設(shè)計(jì)了適應(yīng)本系統(tǒng)的卷積核和激勵函數(shù)。并通過實(shí)驗(yàn)證明了卷積神經(jīng)網(wǎng)絡(luò)比傳統(tǒng)模式識別方法更高效的識別性能。(3)針對傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)缺乏對具體問題的網(wǎng)絡(luò)配置設(shè)計(jì)理論,網(wǎng)絡(luò)的設(shè)計(jì)往往按具體問題根據(jù)經(jīng)驗(yàn)來設(shè)計(jì),而且其結(jié)構(gòu)都是由人工實(shí)現(xiàn)設(shè)定的,其神經(jīng)元數(shù)目和連接數(shù)都是固定的不能進(jìn)行任何調(diào)節(jié)的問題。本文提出了一個動態(tài)生長的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),使其自動找到適合于應(yīng)用需求的合理結(jié)構(gòu)。此外,針對卷積神經(jīng)網(wǎng)絡(luò)中存在的過多的訓(xùn)練反而令識別性能下降的過擬合問題,本文采用一個主動的樣本學(xué)習(xí)方法來構(gòu)造有效的訓(xùn)練集。結(jié)合這兩種方法通過實(shí)驗(yàn)驗(yàn)證了其能比傳統(tǒng)的卷積神經(jīng)網(wǎng)絡(luò)取得更好的效果。
【關(guān)鍵詞】：卷積神經(jīng)網(wǎng)絡(luò) 圖像分類 人工神經(jīng)網(wǎng)絡(luò) 動態(tài)生長卷積神經(jīng)網(wǎng)絡(luò) 主動樣本學(xué)習(xí)方法
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41;TP183
【目錄】：

• 致謝7-8
• 摘要8-9
• ABSTRACT9-15
• 第一章 緒論15-22
• 1.1 圖像分類研究現(xiàn)狀15-17
• 1.2 人工神經(jīng)網(wǎng)絡(luò)的發(fā)展與現(xiàn)狀17-18
• 1.3 深度學(xué)習(xí)理論對人工神經(jīng)網(wǎng)絡(luò)的影響18-19
• 1.4 卷積神經(jīng)網(wǎng)絡(luò)的研究背景19-20
• 1.5 本文內(nèi)容的組織結(jié)構(gòu)20-22
• 第二章 人工神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)22-38
• 2.1 神經(jīng)網(wǎng)絡(luò)22-29
• 2.1.1 神經(jīng)元基本結(jié)構(gòu)22-23
• 2.1.2 神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)機(jī)制23-24
• 2.1.3 神經(jīng)網(wǎng)絡(luò)的模型結(jié)構(gòu)24-25
• 2.1.4 BP神經(jīng)網(wǎng)絡(luò)模型25-29
• 2.2 卷積神經(jīng)網(wǎng)絡(luò)29-37
• 2.2.1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)30-33
• 2.2.2 卷積神經(jīng)網(wǎng)絡(luò)的求解33-35
• 2.2.3 卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程35-36
• 2.2.4 卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)36-37
• 2.3 本章小結(jié)37-38
• 第三章 卷積神經(jīng)網(wǎng)絡(luò)在人臉識別上的應(yīng)用38-47
• 3.1 數(shù)據(jù)庫38-39
• 3.2 網(wǎng)絡(luò)結(jié)構(gòu)39-44
• 3.2.1 卷積層的設(shè)計(jì)41-42
• 3.2.2 下采樣層的設(shè)計(jì)42-43
• 3.2.3 激活函數(shù)的設(shè)計(jì)43-44
• 3.3 實(shí)驗(yàn)與分析44-46
• 3.4 本章小結(jié)46-47
• 第四章 改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及其應(yīng)用47-57
• 4.1 動態(tài)生長的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)47-51
• 4.2 主動的樣本學(xué)習(xí)方法51-52
• 4.3 在植物葉片識別上的應(yīng)用52-56
• 4.3.1 數(shù)據(jù)庫53-54
• 4.3.2 實(shí)驗(yàn)與分析54-56
• 4.4 本章小結(jié)56-57
• 第五章 總結(jié)57-59
• 5.1 全文總結(jié)57-58
• 5.2 工作展望58-59
• 參考文獻(xiàn)59-64
• 攻讀碩士學(xué)位期間的學(xué)術(shù)活動及成果情況64-65

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 章志勇,潘志庚,張明敏,吳海虹;基于多尺度通用傅里葉描述子的灰度圖像檢索[J];中國圖象圖形學(xué)報(bào);2005年05期

2 呂硯山,趙正琦;BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化及應(yīng)用研究[J];北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版);2001年01期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 劉三軍;基于圖像特征空間學(xué)習(xí)的圖像分類方法研究[D];西安電子科技大學(xué);2014年

  本文關(guān)鍵詞：基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類方法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：319287