圖像分類是目前圖像研究領域一個重要課題之一,找到一種能對不同種類或者發(fā)生變化的圖像數(shù)據(jù)集進行分類且都具有普適性和高效性的方法將是十分必要的。常用的圖像分類方法有手工提取特征的方法、基于語義的分類方法和基于神經(jīng)網(wǎng)絡的分類方法。目前比較流行的是基于神經(jīng)網(wǎng)絡的分類方法,由于該方法能通過自學習的方式學習圖像并提取圖像特征,識別分類圖像能力較強,且計算速度快等原因,深受研究者們喜歡。但基于神經(jīng)網(wǎng)絡的分類方法也有不足之處,比如當訓練樣本發(fā)生變化時,已經(jīng)訓練好的神經(jīng)網(wǎng)絡模型不再適用于已經(jīng)發(fā)生變化的訓練樣本。再次利用神經(jīng)網(wǎng)絡模型進行重新訓練,需要大量新樣本。為了避免神經(jīng)網(wǎng)絡的重新訓練、分類準確度降低和大量時間的消耗等問題,本論文將提出基于神經(jīng)網(wǎng)絡自適應更新參數(shù)用以圖像分類的新方法。主要創(chuàng)新工作如下:（1）針對不同的神經(jīng)網(wǎng)絡模型對同一種數(shù)據(jù)集進行分類時分類準確度不同的問題,提出一種網(wǎng)絡分類模型性能評估方法。首先,建立一種評估標準以找到一個最適合某類數(shù)據(jù)集進行分類的神經(jīng)網(wǎng)絡模型;其次,利用不同的網(wǎng)絡模型分別對相同數(shù)據(jù)集中的圖像進行特征提取,然后再進行訓練和分類,以便找到最適合該類待測試數(shù)據(jù)集的網(wǎng)絡模型結構... 

【文章來源】：杭州電子科技大學浙江省

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

單一神經(jīng)元神經(jīng)網(wǎng)絡

杭州電子科技大學碩士學位論文7以三層網(wǎng)絡結構為例，簡單介紹下網(wǎng)絡模型�；镜纳窠�(jīng)網(wǎng)絡模型結構有三層，分別是輸入層、隱層和輸出層，結構如圖2.2所示。圖2.2神經(jīng)網(wǎng)絡模型示意圖圖2.2中，12x,x和3x代表輸入，網(wǎng)絡參數(shù)1b和2b分別是輸入偏置和隱層偏置，網(wǎng)絡參數(shù)1ijw和2ijw分別是第一層的權重和第二層的權重。其中，i表示每次輸入中的第i個元素，j表示經(jīng)過連接權重處理后的輸出中的第j個元素。,()wbyx計算過程如下：3(1)(1)(1)(1)11112123131111()()iiiafwxwxwxbfwxb(2.2)3(1)(1)(1)(1)21212223231211()()iiiafwxwxwxbfwxb(2.3)3(1)(1)(1)(1)31312323331311()()iiiafwxwxwxbfwxb(2.4)3(2)(2)(2)(2),1112123132121()()()wbiiiyxfwawawabfwab(2.5)在上述多層網(wǎng)絡中，用l表示層數(shù)，lijw表示第l層第i個節(jié)點到第l1層第j個節(jié)點之間的權重，lb是第l層偏置向量，lia是第l層第i個節(jié)點激活后的值。給定激活函數(shù)f、權重w和偏置b時，隨意給定一個輸入，就可以得到輸出結果。由于激活函數(shù)不是一個固定函數(shù)，根據(jù)不同需求使用不同激活函數(shù)，一般激

杭州電子科技大學碩士學位論文8活函數(shù)都是非線性的，所以當輸入過網(wǎng)后，得到一個非線性映射輸出。輸出可以有一個，也可以有多個，此時說明有多個預測結果。2.2.3卷積神經(jīng)網(wǎng)絡現(xiàn)今常用卷積神經(jīng)網(wǎng)絡（CNN)[38]進行圖像分類，不同的網(wǎng)絡結構分類效果不同。常見的網(wǎng)絡結構有VGG、ResNet、LeNet和AlexNet等。卷積神經(jīng)網(wǎng)絡特性將在2.3節(jié)、2.4節(jié)和2.5節(jié)詳細介紹，此處將介紹幾種常見的網(wǎng)絡模型結構。圖2.3LeNet的網(wǎng)絡結構圖表2.1AlexNet網(wǎng)絡參數(shù)配置表網(wǎng)絡參數(shù)配置表input(227×227RGBimage)conv11-96maxpoolconv5-256maxpoolconv3-384conv3-384conv3-256maxpoolFC-4096FC-4096FC-1000圖2.3是LeNet-5網(wǎng)絡的結構圖，LeNet-5是一種識別手寫字符效率非常高的卷積神經(jīng)網(wǎng)絡。根據(jù)表2.3可看出，LeNet-5網(wǎng)絡模型含有輸入層、輸出層、


本文編號：2972546