現(xiàn)在是大數(shù)據(jù)時(shí)代,隨著計(jì)算機(jī)性能的不斷提高與科學(xué)技術(shù)的不斷進(jìn)步,深度學(xué)習(xí)已經(jīng)成為了新的研究熱點(diǎn)并取得了突破性的研究成果,在圖像處理、自動(dòng)駕駛、語音處理和自然語言處理等領(lǐng)域都得到了廣泛的應(yīng)用。卷積神經(jīng)網(wǎng)絡(luò)是一種常用的深度學(xué)習(xí)算法,在圖像處理尤其是圖像識別上有很大優(yōu)勢,表現(xiàn)出了很好的性能,可以說是目前最好的圖像識別方法之一。相較于傳統(tǒng)的圖像識別方法來說,卷積神經(jīng)網(wǎng)絡(luò)可以直接將圖像作為網(wǎng)絡(luò)輸入,通過逐層的運(yùn)算與傳遞,自動(dòng)提取到具有辨別性的圖像特征,最后經(jīng)過分類器完成識別過程。整個(gè)流程避免了傳統(tǒng)方法中過多的預(yù)處理與人工選擇特征的復(fù)雜過程,完成了端到端的圖像識別。本文結(jié)合卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)理論進(jìn)行圖像識別,旨在設(shè)計(jì)提高識別率與精簡參數(shù)的網(wǎng)絡(luò),通過結(jié)合近幾年卷積神經(jīng)網(wǎng)絡(luò)的經(jīng)典結(jié)構(gòu),并進(jìn)行反復(fù)調(diào)參與不斷優(yōu)化網(wǎng)絡(luò)得到了好的訓(xùn)練模型,最終實(shí)現(xiàn)了提高網(wǎng)絡(luò)準(zhǔn)確率與減少參數(shù)的目的。本文的主要研究內(nèi)容與創(chuàng)新點(diǎn)如下:（1）介紹了卷積神經(jīng)網(wǎng)絡(luò)的基本概念,主要包括工作原理、反向傳播算法與整體結(jié)構(gòu)等;簡述了深度學(xué)習(xí)的Caffe框架;對數(shù)據(jù)預(yù)處理如尺度歸一化、去均值與數(shù)據(jù)增強(qiáng)做了介紹。（2）結(jié)合目前卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展設(shè)計(jì)... 

【文章來源】：廣西師范大學(xué)廣西壯族自治區(qū)

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

感知器模型

圖 2-2 Sigmoid 和 Tanh 函數(shù)圖像從圖 2-2 可以看出，Sigmoid 函數(shù)和 Tanh 函數(shù)都對中間區(qū)域有增益作用，但對兩側(cè)區(qū)域則達(dá)到飽和狀態(tài)，具有抑制作用，這種特性更加類似于生物神經(jīng)元。Sigmoid 和 Tanh 函數(shù)的主要區(qū)別是輸出范圍不同，Sigmoid 函數(shù)將輸出范圍限制在[0, 1]，而 Tanh 函數(shù)將輸出范圍限制在[-1, 1]。

神經(jīng)元與下一層的所有神經(jīng)元全部連接層進(jìn)行傳播；網(wǎng)絡(luò)第二層為隱含層，該的變換得到輸出，并把該層輸出作為下隱含層類似的處理方式得到輸出并把輸 BP 網(wǎng)絡(luò)的前向計(jì)算過程。BP 網(wǎng)絡(luò)采用梯更新神經(jīng)元的權(quán)重和偏置，這個(gè)過程是絡(luò)前向傳播示意圖的示例，設(shè) (,,X xx

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的圖像檢索系統(tǒng)[J]. 胡二雷,馮瑞.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2017(03)
[2]并行交叉的深度卷積神經(jīng)網(wǎng)絡(luò)模型[J]. 湯鵬杰,王瀚漓,左凌軒.  中國圖象圖形學(xué)報(bào). 2016(03)
[3]Challenges of Big Data analysis[J]. Jianqing Fan,Fang Han,Han Liu.  National Science Review. 2014(02)

碩士論文
[1]基于深度學(xué)習(xí)的表情識別方法研究[D]. 程曦.長春工業(yè)大學(xué) 2017
[2]基于計(jì)算機(jī)視覺和深度學(xué)習(xí)的自動(dòng)駕駛方法研究[D]. 白辰甲.哈爾濱工業(yè)大學(xué) 2017
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別算法研究[D]. 張榮磊.山東理工大學(xué) 2017
[4]基于CNN的交通標(biāo)志識別方法研究[D]. 楊振杰.天津工業(yè)大學(xué) 2017



本文編號：3400102