本文關(guān)鍵詞：基于深度神經(jīng)網(wǎng)絡(luò)的場(chǎng)景分類方法研究

  更多相關(guān)文章： 場(chǎng)景分類 自編碼 卷積神經(jīng)網(wǎng)絡(luò) 深度學(xué)習(xí)

【摘要】：場(chǎng)景分類,或場(chǎng)景識(shí)別,是場(chǎng)景理解領(lǐng)域一個(gè)重要的研究方向,其依據(jù)就是按照人類視覺的組織原理,將不同的場(chǎng)景圖像按照其語義信息劃為不同的類別。在場(chǎng)景分類領(lǐng)域,一直都是采取人工提取圖像特征的方式,這種方式提取特征單一,不能很好描述各類場(chǎng)景,導(dǎo)致場(chǎng)景分類精度較低低。深度學(xué)習(xí)理論是建立在人工智能的基礎(chǔ)之上,能夠有效的描述圖像的語義信息,準(zhǔn)確地判斷場(chǎng)景與場(chǎng)景和目標(biāo)與目標(biāo)之間的差異性和相似性。基于此種原因,本文采用深度神經(jīng)網(wǎng)絡(luò)的方法去自適應(yīng)提取圖像特征。分別采用自編碼神經(jīng)網(wǎng)絡(luò)、人工神經(jīng)網(wǎng)絡(luò)以及卷積神經(jīng)網(wǎng)絡(luò)等模型來構(gòu)造場(chǎng)景分類的方法,并在原來框架的基礎(chǔ)之上進(jìn)行改進(jìn)。本文構(gòu)造了一種新的基于自編碼網(wǎng)絡(luò)的分類方法用來識(shí)別室內(nèi)場(chǎng)景。傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)在一些簡單的識(shí)別領(lǐng)域中,如車牌識(shí)別和手寫字符識(shí)別,取得了較好的識(shí)別效果,但是應(yīng)用到場(chǎng)景識(shí)別中,識(shí)別效果不是很理想。針對(duì)這種情況,采用一種基于自編碼神經(jīng)網(wǎng)絡(luò)由粗到精的分類方法,粗分類主要采用自編碼神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練,人工神經(jīng)網(wǎng)絡(luò)粗識(shí)別;細(xì)分類則采用支持向量機(jī)進(jìn)行分類,HOG特征作為圖像描述子,并在MIT-67室內(nèi)場(chǎng)景數(shù)據(jù)集上進(jìn)行驗(yàn)證。本文構(gòu)造了一種新的卷積神經(jīng)網(wǎng)絡(luò)框架。傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)結(jié)構(gòu)規(guī)模較小,采用單標(biāo)簽值的方式進(jìn)行監(jiān)督訓(xùn)練,這種單標(biāo)簽的機(jī)制只適合表示簡單的圖像類別,不足以表示復(fù)雜場(chǎng)景的類別。針對(duì)這種問題,本文在傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)框架的基礎(chǔ)上進(jìn)行改進(jìn),卷積層和采樣層分別采用Re Lu激活函數(shù)和Maxpooling采樣,設(shè)有四個(gè)卷積層和四個(gè)采樣層,一個(gè)全連接層,一個(gè)分類層,并采用一種多標(biāo)簽值的標(biāo)簽進(jìn)行訓(xùn)練。整個(gè)訓(xùn)練和識(shí)別過程采用一個(gè)統(tǒng)一的框架,并在Scene-15場(chǎng)景集上進(jìn)行驗(yàn)證。本文利用MATLAB2014B+Deep Learning master來完成實(shí)驗(yàn)設(shè)計(jì),在自編碼神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練中,使用了L-BFGS算法庫來調(diào)整權(quán)值。本文提出的兩種方法分別用于室內(nèi)場(chǎng)景和自然場(chǎng)景的分類與識(shí)別。由粗到精的分類方法更符合人類認(rèn)識(shí)事物的規(guī)律,并且采用自編碼神經(jīng)網(wǎng)絡(luò)預(yù)訓(xùn)練;卷積神經(jīng)網(wǎng)絡(luò)處理圖像的方式和生物視覺相類似,采用擴(kuò)展的網(wǎng)絡(luò)結(jié)構(gòu)和多標(biāo)簽值機(jī)制來改造網(wǎng)絡(luò)。最后,本文的兩種方法的測(cè)試結(jié)果與其他文獻(xiàn)進(jìn)行了比較,結(jié)果證明本文的方法具有一定效果。
【關(guān)鍵詞】：場(chǎng)景分類 自編碼 卷積神經(jīng)網(wǎng)絡(luò) 深度學(xué)習(xí)
【學(xué)位授予單位】：南昌航空大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP183
【目錄】：

• 摘要3-4
• ABSTRACT4-8
• 第1章 緒論8-18
• 1.1 場(chǎng)景分類研究背景和意義8-10
• 1.2 場(chǎng)景分類國內(nèi)外研究現(xiàn)狀10-16
• 1.2.1 圖像特征層次化描述11-13
• 1.2.2 場(chǎng)景分類的一般方法13-15
• 1.2.3 場(chǎng)景分類的一般模型15-16
• 1.3 研究內(nèi)容和創(chuàng)新點(diǎn)16
• 1.4 本文的組織結(jié)構(gòu)16-18
• 第2章 HOG特征和機(jī)器學(xué)習(xí)理論18-28
• 2.1 方向梯度直方圖(HOG)特征描述18-20
• 2.1.1 Gamma和顏色歸一化18
• 2.1.2 計(jì)算梯度和方向18-19
• 2.1.3 在每個(gè)cells內(nèi)構(gòu)建梯度直方圖19-20
• 2.1.4 塊內(nèi)歸一化梯度直方圖20
• 2.2 神經(jīng)網(wǎng)絡(luò)理論20-24
• 2.2.1 神經(jīng)網(wǎng)絡(luò)模型21-22
• 2.2.2 反向傳播算法22-24
• 2.3 支持向量機(jī)理論24-27
• 2.3.1 分類理論25-26
• 2.3.2 核函數(shù)26-27
• 2.4 本章小結(jié)27-28
• 第3章 基于深度自編碼網(wǎng)絡(luò)由粗到精的場(chǎng)景分類28-38
• 3.1 引言28
• 3.2 相關(guān)工作28-30
• 3.3 本章由粗到精的分類方法30-35
• 3.3.1 粗分類訓(xùn)練31-34
• 3.3.2 細(xì)分類34-35
• 3.4 實(shí)驗(yàn)數(shù)據(jù)和結(jié)果35-36
• 3.4.1 實(shí)驗(yàn)參數(shù)設(shè)置35
• 3.4.2 實(shí)驗(yàn)環(huán)境和結(jié)果35-36
• 3.4.3 實(shí)驗(yàn)結(jié)果分析36
• 3.5 本章小結(jié)36-38
• 第4章 基于新型標(biāo)簽機(jī)制卷積神經(jīng)網(wǎng)絡(luò)的場(chǎng)景分類38-48
• 4.1 引言38-39
• 4.2 相關(guān)工作39-40
• 4.3 經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)40-41
• 4.3.1 卷積層41
• 4.3.2 采樣層41
• 4.4 本章網(wǎng)絡(luò)結(jié)構(gòu)和標(biāo)簽41-43
• 4.4.1 本章卷積層和采樣層42
• 4.4.2 本章分類層和標(biāo)簽42-43
• 4.5 實(shí)驗(yàn)和結(jié)果43-47
• 4.5.1 數(shù)據(jù)集的選取和處理43-44
• 4.5.2 實(shí)驗(yàn)設(shè)計(jì)44
• 4.5.3 實(shí)驗(yàn)結(jié)果44-46
• 4.5.4 結(jié)果分析46-47
• 4.6 本章小結(jié)47-48
• 第5章 總結(jié)與展望48-50
• 5.1 本文工作總結(jié)48-49
• 5.2 今后研究方向49-50
• 參考文獻(xiàn)50-56
• 攻讀碩士期間發(fā)表的論文和參加科研情況56-57
• 致謝57-58

【相似文獻(xiàn)】

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(jìn)化神經(jīng)網(wǎng)絡(luò)的研究進(jìn)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(yùn)優(yōu)化方法[J];長沙鐵道學(xué)院學(xué)報(bào);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(jì)算機(jī)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(jì)角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計(jì)教育;2005年06期

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

8 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場(chǎng)預(yù)測(cè)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(bào);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(huì)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(huì)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(dòng)化會(huì)議論文集（上冊(cè)）[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(shí)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(huì)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(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

5 鐘義信;;知識(shí)論:神經(jīng)網(wǎng)絡(luò)的新機(jī)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(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

6 許進(jìn);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(hào)處理學(xué)術(shù)會(huì)議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號(hào)處理學(xué)術(shù)會(huì)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(píng)估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會(huì)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(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬強(qiáng);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(huì)議論文集[C];2010年

中國重要報(bào)紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達(dá)大學(xué)社會(huì)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(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)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(bào);2003年

4 中國科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)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?qǐng)?bào);2007年

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

7 健康時(shí)報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時(shí)報(bào);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(dá)國際先進(jìn)水平[N];中國電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);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(bào);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(shí)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(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時(shí)間序列預(yù)測(cè)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(jī)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(jì)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(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)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(shí)間序列預(yù)測(cè)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 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測(cè)研究與系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2015年

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

3 邵雪瑩;幾類時(shí)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

4 胡婷;改進(jìn)QGA-BP模型及其在彌苴河總氮量預(yù)測(cè)中的應(yīng)用[D];昆明理工大學(xué);2015年

5 劉俊輝;基于數(shù)據(jù)清洗方法的河道水位預(yù)測(cè)研究[D];昆明理工大學(xué);2015年

6 劉波;短期風(fēng)電功率預(yù)測(cè)方法研究[D];南京信息工程大學(xué);2015年

7 蔡邦宇;人臉識(shí)別中單次ERP時(shí)空特征分析及其快速檢索的應(yīng)用[D];浙江大學(xué);2015年

8 鄭川;垃圾評(píng)論檢測(cè)算法的研究[D];西南交通大學(xué);2015年

9 李菊;BP神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)批量評(píng)估中的應(yīng)用研究[D];昆明理工大學(xué);2015年

10 馬亮;降水點(diǎn)分類預(yù)測(cè)方法研究[D];中國地質(zhì)大學(xué)(北京);2015年

，

本文編號(hào)：872917