隨著通信網(wǎng)絡(luò)的迅速發(fā)展以及智能終端用戶的快速增長,短信、彩信、微博、QQ、微信等即時信息發(fā)布工具被廣泛普及應(yīng)用,它們都具有使用便捷、傳播速度快的優(yōu)點(diǎn)。其中,除短信之外的其它工具都可以同時攜帶圖片信息和文本信息,因而得到更多的應(yīng)用。然而,由于信息來源的多樣化與隨意性,其所攜帶的內(nèi)容往往包含有不良的圖片與文本信息。為此,必須采用基于內(nèi)容的信息過濾手段,對圖片與文本內(nèi)容進(jìn)行識別、提取、分析,實(shí)現(xiàn)不良信息的監(jiān)測過濾。傳統(tǒng)的信息監(jiān)控分析模式,一般是基于軟件自動監(jiān)測加人工審核來實(shí)現(xiàn),其在響應(yīng)速度、處理效率、人工成本等方面存在先天缺陷�，F(xiàn)代自動監(jiān)控分析技術(shù)主要基于各種機(jī)器學(xué)習(xí)算法,可以較好地解決傳統(tǒng)模式的問題,但是面對如今更為復(fù)雜的海量信息以及特定的應(yīng)用場景,它們在成本和性能方面也往往難以令人滿意。此外,計(jì)算環(huán)境和自然語言處理技術(shù)的不斷完善,為信息自動檢測與過濾技術(shù)的深入研究與應(yīng)用奠定了良好的基礎(chǔ)。為此,本文首先對目前常用的圖片信息和文本信息監(jiān)測分析算法進(jìn)行了深入研究分析;在此基礎(chǔ)上,對兩種CNN模型VGG19和ResNet 50在不良圖像內(nèi)容識別中的性能進(jìn)行分析比對和測試驗(yàn)證,并選擇性能較好的Re... 

【文章來源】：南昌大學(xué)江西省 211工程院校

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【部分圖文】：

常見的CNN分類模型結(jié)構(gòu)

第 2 章 相關(guān)理論與技術(shù)級特征，如邊緣、線條等特征信息，越往后更高層的卷積層對應(yīng)的初始輸入的感受野較大，能夠提取更高級復(fù)雜的特征，這些特征更利于模型進(jìn)行分類或回歸任務(wù)。卷積層數(shù)學(xué)表達(dá)如下： = (∑ 1 ∈ + ) (2.1)其中 z 是卷積層輸出的特征圖，f 是激活函數(shù)， 是輸入層感受區(qū)域，x 是特征圖參數(shù)，l 代表層數(shù)， 代表卷積操作。卷積層的操作過程如圖 2.2 所示：

第 2 章 相關(guān)理論與技術(shù)區(qū)域進(jìn)行池化操作。但由于這種下采樣比較暴力，容易丟失圖像信息，因此一般都是經(jīng)過幾個卷積層之后再池化操作。池化層操作如圖 2.3 所示。常用的池化方法通常有均值池化即對局部連接區(qū)域中所以點(diǎn)求均值、隨機(jī)池化即隨機(jī)選取局部連接區(qū)域中某一點(diǎn)同時該點(diǎn)值的大小和選中概率成正比以及最大池化即取局部連接區(qū)域中值最大的點(diǎn)等等。

【參考文獻(xiàn)】：
期刊論文
[1]網(wǎng)絡(luò)不良圖片識別技術(shù)研究[J]. 王宏宇.  電腦知識與技術(shù). 2018(12)
[2]基于卷積核分解的深度CNN模型結(jié)構(gòu)優(yōu)化及其在小圖像識別中的應(yīng)用[J]. 羅富貴,李明珍.  井岡山大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[3]結(jié)合批歸一化的直通卷積神經(jīng)網(wǎng)絡(luò)圖像分類算法[J]. 朱威,屈景怡,吳仁彪.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2017(09)
[4]基于神經(jīng)網(wǎng)絡(luò)的微博虛假消息識別模型[J]. 段大高,謝永恒,蓋新新,劉占斌.  信息網(wǎng)絡(luò)安全. 2017(09)
[5]分析式紋理合成技術(shù)及其在深度學(xué)習(xí)的應(yīng)用[J]. 李宏林.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(11)
[6]卷積神經(jīng)網(wǎng)絡(luò)在圖形處理GPU芯片上的優(yōu)化[J]. 沈恬,胡飛.  集成電路應(yīng)用. 2017(06)
[7]卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 周飛燕,金林鵬,董軍.  計(jì)算機(jī)學(xué)報(bào). 2017(06)
[8]利用深度置信網(wǎng)絡(luò)的中文短信分類[J]. 王貴新,鄭孝宗,張浩然,張小川.  現(xiàn)代電子技術(shù). 2016(09)
[9]基于word2vec的關(guān)鍵詞提取算法[J]. 李躍鵬,金翠,及俊川.  科研信息化技術(shù)與應(yīng)用. 2015(04)
[10]中文文本分類技術(shù)比較研究[J]. 胡龍茂.  安慶師范學(xué)院學(xué)報(bào)(自然科學(xué)版). 2015(02)

博士論文
[1]垃圾短信過濾關(guān)鍵技術(shù)研究[D]. 黃文良.浙江大學(xué) 2008

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別[D]. 蔣帥.吉林大學(xué) 2017
[2]基于云計(jì)算的智能手機(jī)信息過濾系統(tǒng)[D]. 孫巧萍.南京郵電大學(xué) 2016
[3]基于支持向量機(jī)的垃圾短信監(jiān)控系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 楊丹丹.吉林大學(xué) 2016
[4]基于深度學(xué)習(xí)的圖像識別應(yīng)用研究[D]. 周凱龍.北京工業(yè)大學(xué) 2016
[5]基于感興趣區(qū)域檢測的網(wǎng)絡(luò)不良圖片識別研究[D]. 陳驍.南京航空航天大學(xué) 2016
[6]基于維基百科的中文跨文本指代消解研究[D]. 徐曉梅.蘇州大學(xué) 2014
[7]深度學(xué)習(xí)在圖像識別中的研究及應(yīng)用[D]. 李衛(wèi).武漢理工大學(xué) 2014
[8]基于VSM的文本分類系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)[D]. 孔振.哈爾濱工業(yè)大學(xué) 2014
[9]基于內(nèi)容的垃圾短信過濾技術(shù)研究[D]. 馬楠.北京郵電大學(xué) 2014
[10]中文維基百科的結(jié)構(gòu)化信息抽取及詞語相關(guān)度計(jì)算[D]. 張紅春.華中師范大學(xué) 2011



本文編號：3022575