2018年,中國電子學(xué)會(huì)把膠囊網(wǎng)絡(luò)列為人工智能的十大成長性技術(shù)之一。膠囊網(wǎng)絡(luò)是一種全新的深度學(xué)習(xí)方法,由“深度學(xué)習(xí)之父”—Geoffrey Hinton于2017年10月提出。膠囊網(wǎng)絡(luò),這種新型神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的提出在機(jī)器學(xué)習(xí)領(lǐng)域引起了廣泛的關(guān)注,未來有可能會(huì)對人工智能技術(shù)有革命性意義。膠囊網(wǎng)絡(luò)中的膠囊由一組神經(jīng)元組成,即把一組神經(jīng)元向量化,用向量的長度表示一個(gè)實(shí)體或?qū)嶓w的一部分存在的概率,用向量的方向代表他們的各種實(shí)例化參數(shù),比如位置、方向、大小、形變、速率、顏色等。向量能更好地表示出圖像細(xì)節(jié)以及實(shí)體的空間相對關(guān)系,而這正是卷積神經(jīng)網(wǎng)絡(luò)所缺少的。不過由于這種新型網(wǎng)絡(luò)在不同任務(wù)上的效果有待驗(yàn)證,目前膠囊網(wǎng)絡(luò)的發(fā)展仍處于初級(jí)階段。所以本文圍繞膠囊網(wǎng)絡(luò),針對它的結(jié)構(gòu)、識(shí)別速度、網(wǎng)絡(luò)參數(shù)和圖像識(shí)別等應(yīng)用展開探討。此外還借鑒了卷積神經(jīng)網(wǎng)絡(luò)的一些優(yōu)化方法,綜合改進(jìn)了膠囊網(wǎng)絡(luò)現(xiàn)存的一些不足,使其更為方便地運(yùn)用在相關(guān)領(lǐng)域。具體研究有以下幾個(gè)方面:1)膠囊網(wǎng)絡(luò)的創(chuàng)新之一在于提出了矢量化的膠囊,它比傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的標(biāo)量更能表達(dá)物體的姿態(tài)信息,能學(xué)習(xí)到更魯棒的表征。本文通過可視化實(shí)驗(yàn)研究了膠囊內(nèi)部的向量是如何影... 

【文章來源】：西南大學(xué)重慶市 211工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 引言
    1.1 研究背景及意義
    1.2 國內(nèi)外研究歷史及現(xiàn)狀
        1.2.1 CNN發(fā)展
        1.2.2 膠囊網(wǎng)絡(luò)的研究現(xiàn)狀
    1.3 論文的創(chuàng)新點(diǎn)
    1.4 論文的內(nèi)容結(jié)構(gòu)和安排
第二章 相關(guān)理論及技術(shù)介紹
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.1 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        2.1.2 卷積層
        2.1.3 激活函數(shù)
        2.1.4 池化層
        2.1.5 全連接層與Softmax層
    2.2 卷積神經(jīng)網(wǎng)絡(luò)的局限性
    2.3 膠囊網(wǎng)絡(luò)模型
        2.3.1 膠囊網(wǎng)絡(luò)總體結(jié)構(gòu)
        2.3.2 動(dòng)態(tài)路由算法
        2.3.3 重構(gòu)網(wǎng)絡(luò)與損失函數(shù)
        2.3.4 可視化研究
    2.4 本章小結(jié)
第三章 膠囊網(wǎng)絡(luò)在時(shí)尚服裝數(shù)據(jù)上的改進(jìn)
    3.1 導(dǎo)言
    3.2 改進(jìn)的膠囊網(wǎng)絡(luò)模型
        3.2.1 小卷積特征提取網(wǎng)絡(luò)
        3.2.2 數(shù)據(jù)預(yù)處理與Batch Normalization
    3.3 數(shù)據(jù)集及實(shí)驗(yàn)參數(shù)設(shè)置
        3.3.1 數(shù)據(jù)集
        3.3.2 Keras框架
        3.3.3 實(shí)驗(yàn)設(shè)置
    3.4 實(shí)驗(yàn)結(jié)果及分析
        3.4.1 不同方案比較
        3.4.2 與其他文獻(xiàn)的對比
        3.4.3 參數(shù)量及其他
    3.5 本章小結(jié)
第四章 基于并行卷積和反卷積的膠囊網(wǎng)絡(luò)
    4.1 導(dǎo)言
    4.2 改進(jìn)的膠囊網(wǎng)絡(luò)模型
        4.2.1 特征提取網(wǎng)絡(luò)
        4.2.2 并行卷積與動(dòng)態(tài)路由網(wǎng)絡(luò)
        4.2.3 轉(zhuǎn)置卷積
        4.2.4 解碼網(wǎng)絡(luò)
    4.3 實(shí)驗(yàn)參數(shù)與數(shù)據(jù)集
    4.4 實(shí)驗(yàn)結(jié)果及分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文主要研究工作
    5.2 未來研究計(jì)劃
參考文獻(xiàn)
致謝
攻讀碩士期間已發(fā)表的論文
攻讀碩士期間參加的科研項(xiàng)目


【參考文獻(xiàn)】：
期刊論文
[1]卷積神經(jīng)網(wǎng)絡(luò)中的激活函數(shù)分析[J]. 賴策.  科學(xué)技術(shù)創(chuàng)新. 2019(33)
[2]基于深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)圖像識(shí)別技術(shù)的研究與應(yīng)用[J]. 楊子賢.  中國設(shè)備工程. 2018(23)
[3]卷積神經(jīng)網(wǎng)絡(luò)在目標(biāo)檢測中的應(yīng)用綜述[J]. 于進(jìn)勇,丁鵬程,王超.  計(jì)算機(jī)科學(xué). 2018(S2)
[4]圖像識(shí)別技術(shù)發(fā)展與應(yīng)用[J]. 武煜博.  電子技術(shù)與軟件工程. 2017(04)

博士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像分類研究[D]. 呂恩輝.中國礦業(yè)大學(xué) 2019

碩士論文
[1]基于密集膠囊網(wǎng)絡(luò)的多視角人臉表情識(shí)別[D]. 韓雨.華中科技大學(xué) 2019
[2]卷積神經(jīng)網(wǎng)絡(luò)在遙感目標(biāo)識(shí)別中的應(yīng)用研究[D]. 殷文斌.中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所) 2017



本文編號(hào)：2935678