本文關(guān)鍵詞：基于深度學(xué)習(xí)的水果圖像識別算法研究

  更多相關(guān)文章： 深度學(xué)習(xí) 水果圖像識別 卷積神經(jīng)網(wǎng)絡(luò) 深度信念網(wǎng)絡(luò) Census變換

【摘要】：圖像識別作為模式識別領(lǐng)域中的一種典型應(yīng)用,如何準(zhǔn)確快速的進(jìn)行圖像識別一直是各國學(xué)者研究的重要課題。水果圖像的識別在智慧農(nóng)業(yè)和數(shù)字醫(yī)療領(lǐng)域具有重要的地位。在智慧農(nóng)業(yè)方面,通過對水果的識別可以實(shí)現(xiàn)對復(fù)合型果園的果樹進(jìn)行精準(zhǔn)培育以及水果的自動(dòng)化采摘;在數(shù)字醫(yī)療領(lǐng)域,進(jìn)行水果識別主要用來輔助后期水果營養(yǎng)成分的分析,從而幫助病患制定合理的膳食。而如何對水果進(jìn)行快速準(zhǔn)確識別是這些工作的關(guān)鍵,目前一般的水果圖像識別方法并不能滿足應(yīng)用的需求,所以需要尋找一種更加有效地算法進(jìn)行水果圖像的識別。深度學(xué)習(xí)作為機(jī)器學(xué)習(xí)領(lǐng)域內(nèi)新興并且蓬勃發(fā)展的一門學(xué)科,它不僅改變著傳統(tǒng)的機(jī)器學(xué)習(xí)方法,也影響著我們對人類感知的理解,已經(jīng)在圖像識別和語音識別等領(lǐng)域取得廣泛的應(yīng)用。因此,本文在深入研究深度學(xué)習(xí)理論的基礎(chǔ)上,將深度學(xué)習(xí)應(yīng)用到水果圖像識別中,以此來提高了水果圖像的識別性能。本文主要工作如下:1.簡要介紹了傳統(tǒng)的圖像識別方法及其存在的問題,概述了深度學(xué)習(xí)的研究現(xiàn)狀和發(fā)展趨勢,對比分析了深度學(xué)習(xí)相對于淺層學(xué)習(xí)的優(yōu)勢所在,詳細(xì)介紹了兩種常用的深度學(xué)習(xí)方法的訓(xùn)練過程。2.對基于卷積神經(jīng)網(wǎng)絡(luò)的水果圖像識別算法進(jìn)行了深入的研究。考慮到不同激活函數(shù)和下采樣方式對識別性能有很大影響,通過實(shí)驗(yàn)選取合適的激活函數(shù)和下采樣方法,并對這些激活函數(shù)和下采樣方法進(jìn)行了討論分析。為了進(jìn)一步提高網(wǎng)絡(luò)性能,通過拓展網(wǎng)絡(luò)深度進(jìn)行水果圖像識別,實(shí)驗(yàn)結(jié)果驗(yàn)證了水果數(shù)據(jù)集在網(wǎng)絡(luò)深度增加時(shí)識別性能有一定的提高,最后將基于卷積神經(jīng)網(wǎng)絡(luò)的水果圖像識別結(jié)果與傳統(tǒng)水果圖像識別方法的結(jié)果進(jìn)行了對比分析,證明了該方法的有效性。3.針對卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)間過長的局限性,設(shè)計(jì)了基于深度信念網(wǎng)絡(luò)的水果圖像識別方法。為了解決深度信念網(wǎng)絡(luò)忽略圖像局部結(jié)構(gòu),難以學(xué)習(xí)到圖像的局部特征的缺點(diǎn),同時(shí)考慮到水果圖像受到光照變化的影響,本文采用Census變換與深度信念網(wǎng)絡(luò)相結(jié)合的方法進(jìn)行水果圖像識別。首先,通過Census變換提取水果圖像的紋理特征,以此來消除光照變化對特征提取的影響,并且Census變換能夠有效保留圖像局部特征,這就使得深度信念網(wǎng)絡(luò)能有效地學(xué)習(xí)到圖像局部特征,同時(shí)減少網(wǎng)絡(luò)對不利的特征描述的學(xué)習(xí);其次,利用獲得的水果圖像的Census特征訓(xùn)練深度信念網(wǎng)絡(luò),得到網(wǎng)絡(luò)的相關(guān)參數(shù);最后利用深度信念網(wǎng)進(jìn)行水果圖像識別。實(shí)驗(yàn)結(jié)果表明該方法表現(xiàn)出了較強(qiáng)的特征學(xué)習(xí)能力,識別性能優(yōu)于一般傳統(tǒng)識別算法并達(dá)到了卷積神經(jīng)網(wǎng)絡(luò)的識別效果,并且訓(xùn)練時(shí)間被大大縮短。
【關(guān)鍵詞】：深度學(xué)習(xí) 水果圖像識別 卷積神經(jīng)網(wǎng)絡(luò) 深度信念網(wǎng)絡(luò) Census變換
【學(xué)位授予單位】：河北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要5-7
• Abstract7-11
• 第1章 緒論11-21
• 1.1 課題研究背景及意義11-15
• 1.2 研究現(xiàn)狀15-19
• 1.2.1 深度學(xué)習(xí)的國內(nèi)外研究現(xiàn)狀15-17
• 1.2.2 水果識別的研究現(xiàn)狀17-19
• 1.3 本文主要研究內(nèi)容和章節(jié)安排19-21
• 第2章 深度學(xué)習(xí)21-36
• 2.1 引言21
• 2.2 淺層學(xué)習(xí)和深度學(xué)習(xí)21-23
• 2.3 深度學(xué)習(xí)的基本思想23-24
• 2.4 深度學(xué)習(xí)常用方法24-35
• 2.4.1 卷積神經(jīng)網(wǎng)絡(luò)24-29
• 2.4.1.1 卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)24-25
• 2.4.1.2 卷積神經(jīng)網(wǎng)絡(luò)特性25-26
• 2.4.1.3 卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程26-29
• 2.4.2 深度信念網(wǎng)絡(luò)29-35
• 2.4.2.1 限制玻爾茲曼機(jī)模型29-31
• 2.4.2.2 限制玻爾茲曼機(jī)學(xué)習(xí)算法31-33
• 2.4.2.3 深度信念網(wǎng)絡(luò)模型33-34
• 2.4.2.4 深度信念網(wǎng)絡(luò)訓(xùn)練過程34-35
• 2.5 本章小結(jié)35-36
• 第3章 基于卷積神經(jīng)網(wǎng)絡(luò)的水果圖像識別36-51
• 3.1 引言36
• 3.2 數(shù)據(jù)集構(gòu)建36-39
• 3.2.1 圖像采集36-37
• 3.2.2 數(shù)據(jù)預(yù)處理37-39
• 3.3 卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)39-41
• 3.4 常用激活函數(shù)41-43
• 3.5 常用下采樣方法43-44
• 3.6 分類方法選擇44-46
• 3.7 實(shí)驗(yàn)及結(jié)果分析46-49
• 3.8 性能比較49-50
• 3.9 本章小結(jié)50-51
• 第4章 基于深度信念網(wǎng)絡(luò)的水果圖像識別51-61
• 4.1 引言51
• 4.2 Census變換的基本原理51-54
• 4.3 基于深度信念網(wǎng)絡(luò)的原始像素水果圖像識別結(jié)果及分析54-57
• 4.4 基于深度信念網(wǎng)絡(luò)的Census變換后的水果圖像識別結(jié)果及分析57-59
• 4.5 性能比較59
• 4.6 本章小結(jié)59-61
• 第5章 總結(jié)與展望61-63
• 5.1 總結(jié)61-62
• 5.2 展望62-63
• 參考文獻(xiàn)63-67
• 致謝67

，

本文編號：654892