本文關(guān)鍵詞：卷積神經(jīng)網(wǎng)絡(luò)在車標(biāo)識別技術(shù)中的研究及其小樣本下的處理策略，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著國內(nèi)汽車數(shù)量的日益增加,建立一個高效的交通管理機制迫在眉睫,車輛識別技術(shù)應(yīng)運而生。車標(biāo)作為車輛的關(guān)鍵特征,包含了車輛制造商信息,又具有難以更換的特點,在識別中發(fā)揮輔助判別作用。目前多數(shù)的車標(biāo)識別算法為淺層結(jié)構(gòu)算法,其局限性在于有限計算單元情況下對復(fù)雜函數(shù)的表示能力有限。深度學(xué)習(xí)技術(shù)通過學(xué)習(xí)一種深層非線性網(wǎng)絡(luò)結(jié)構(gòu),實現(xiàn)復(fù)雜函數(shù)逼近,并展現(xiàn)了強大學(xué)習(xí)數(shù)據(jù)集本質(zhì)特征的能力。卷積神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)網(wǎng)絡(luò)的典型模型,能將特征提取和分類工作相結(jié)合,其局部感受野、權(quán)重共享和子采樣的結(jié)構(gòu)特點,便于發(fā)現(xiàn)數(shù)據(jù)的局部特征,并保持了對于位移、縮放、旋轉(zhuǎn)和其他形式扭曲的不變性。訓(xùn)練樣本充足時,卷積神經(jīng)網(wǎng)絡(luò)在一些模式識別任務(wù)上表現(xiàn)出了優(yōu)越的性能。但訓(xùn)練樣本稀少時,則表現(xiàn)出強烈依賴大樣本的特性。因此,研究卷積神經(jīng)網(wǎng)絡(luò)的小樣本處理策略具有重要意義。本文介紹了人工神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的基本概念,應(yīng)用典型的卷積神經(jīng)網(wǎng)絡(luò)模型到車標(biāo)識別任務(wù)中。相對于傳統(tǒng)的人工提取特征的車標(biāo)識別技術(shù),本文所提方案擁有自主提取特征,圖像可直接輸入等特點。并針對卷積神經(jīng)網(wǎng)絡(luò)依賴大量數(shù)據(jù)的特征,提出三種小樣本下的處理策略。主要工作如下：1)提出兩種基于擾動思想的樣本擴充方案。方案一為對小樣本進行加噪和幾何變換,生成新的樣本。方案二為在各類樣本的特征子空間上增加擾動,利用擾動后的特征子空間,重建新的樣本。2)根據(jù)卷積神經(jīng)網(wǎng)絡(luò)所具有的層次化和局部感知區(qū)域的結(jié)構(gòu)上的特點,考察不同大小的卷積核,以及不同規(guī)模的卷積神經(jīng)網(wǎng)絡(luò)在小樣本下的實驗性能。3)提出一種遷移學(xué)習(xí)的策略。根據(jù)不同的圖像識別任務(wù)中,不相關(guān)的數(shù)據(jù)集經(jīng)常會出現(xiàn)的一些常用視覺模式和良好的初始狀態(tài)能使得卷積神經(jīng)網(wǎng)絡(luò)性能得到提高的特點,本文利用MNIST手寫字符數(shù)據(jù)集訓(xùn)練出一個卷積神經(jīng)網(wǎng)絡(luò)模型,并在此模型上對車標(biāo)圖像進行訓(xùn)練。通過實驗可得,卷積神經(jīng)網(wǎng)絡(luò)可以很好地應(yīng)用于車標(biāo)識別技術(shù)中。訓(xùn)練樣本數(shù)較少時,網(wǎng)絡(luò)的結(jié)構(gòu)對實驗性能存在重要影響。此外,通過樣本擴充、遷移學(xué)習(xí)的方法可以提高實驗性能。
【關(guān)鍵詞】：車標(biāo)識別 卷積神經(jīng)網(wǎng)絡(luò) 小樣本 樣本擴充 遷移學(xué)習(xí)
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;TP183
【目錄】：

• 摘要3-5
• Abstract5-9
• 第一章 緒論9-16
• 1.1 研究背景和意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-13
• 1.2.1 車標(biāo)識別技術(shù)研究現(xiàn)狀10-12
• 1.2.2 深度學(xué)習(xí)研究現(xiàn)狀12-13
• 1.3 本文主要研究工作13-14
• 1.4 本文內(nèi)容安排14-16
• 第二章 人工神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)16-32
• 2.1 人工神經(jīng)網(wǎng)絡(luò)16-24
• 2.1.1 基本神經(jīng)元16-18
• 2.1.2 感知機模型18-20
• 2.1.3 前向神經(jīng)網(wǎng)絡(luò)20-21
• 2.1.4 多層前向神經(jīng)網(wǎng)絡(luò)的誤差反向傳播算法21-24
• 2.2 卷積神經(jīng)網(wǎng)絡(luò)24-31
• 2.2.1 稀疏連接和權(quán)值共享25-26
• 2.2.2 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)26-28
• 2.2.3 卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練算法28-31
• 2.3 本章小結(jié)31-32
• 第三章 卷積神經(jīng)網(wǎng)絡(luò)在車標(biāo)識別中的應(yīng)用32-41
• 3.1 車標(biāo)卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)32-34
• 3.2 車標(biāo)卷積神經(jīng)網(wǎng)絡(luò)參數(shù)34-35
• 3.3 實驗與結(jié)果35-40
• 3.3.1 車標(biāo)樣本數(shù)據(jù)集35-36
• 3.3.2 實驗步驟36-38
• 3.3.3 實驗結(jié)果38-40
• 3.4 本章小結(jié)40-41
• 第四章 卷積神經(jīng)網(wǎng)絡(luò)在小樣本下的處理策略41-57
• 4.1 基于擾動的樣本的擴充41-47
• 4.1.1 基于加噪和幾何變換的擾動方法42-44
• 4.1.2 基于特征子空間的擾動方法44-47
• 4.2 網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整47-51
• 4.2.1 卷積核大小調(diào)整47-49
• 4.2.2 網(wǎng)絡(luò)規(guī)模的調(diào)整49-51
• 4.3 遷移學(xué)習(xí)51-56
• 4.3.1 MNIST手寫數(shù)字?jǐn)?shù)據(jù)集52-53
• 4.3.2 應(yīng)用遷移學(xué)習(xí)的車標(biāo)卷積神經(jīng)網(wǎng)絡(luò)53-56
• 4.4 本章小結(jié)56-57
• 第五章 總結(jié)和展望57-59
• 5.1 總結(jié)57-58
• 5.2 展望58-59
• 參考文獻59-63
• 致謝63

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 云中客;新的神經(jīng)網(wǎng)絡(luò)來自于仿生學(xué)[J];物理;2001年10期

2 唐春明,高協(xié)平;進化神經(jīng)網(wǎng)絡(luò)的研究進展[J];系統(tǒng)工程與電子技術(shù);2001年10期

3 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運優(yōu)化方法[J];長沙鐵道學(xué)院學(xué)報;2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計算機工程與應(yīng)用;2004年21期

5 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

6 周麗暉;從統(tǒng)計角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計算機信息;2005年14期

8 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場預(yù)測中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

9 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過去談科學(xué)發(fā)展觀[J];重慶三峽學(xué)院學(xué)報;2006年03期

10 楊鐘瑾;;神經(jīng)網(wǎng)絡(luò)的過去、現(xiàn)在和將來[J];青年探索;2006年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達大學(xué)社會學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

4 中國科技大學(xué)計算機系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報;2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

  本文關(guān)鍵詞：卷積神經(jīng)網(wǎng)絡(luò)在車標(biāo)識別技術(shù)中的研究及其小樣本下的處理策略，，由筆耕文化傳播整理發(fā)布。

本文編號：350695