植物是我們日常生活中隨處可見的一種生命形式,它為我們提供了生活所必需的氧氣,與我們的生活息息相關[1]�；ɑ茏鳛橹参锏囊环N,除了提供氧氣,它更是有很強的觀賞價值。我校作為一所有著百年歷史的農(nóng)業(yè)類院校,校園中的植物種類更是數(shù)不甚數(shù),其中花卉作為這些植物中的一大亮點,也引起了廣泛的關注。這就使得對花卉的認知顯得尤為重要。近年來,幾乎所有的智能科學研究者都注意到了一個神秘的技術名詞——深度學習（Deep Learning）。這個名詞和它所代表的尖端技術被著名的“麻省理工學院技術評論”評選為2013年世界十大突破性技術之首。而在此之前,諸多信息科技巨頭,包括Google、Microsoft、Facebook等公司,都紛紛投入了前所未有的注意力和戰(zhàn)略資源在這項技術上,高調宣布部署智能應用領域。工業(yè)界和學術界也在不遺余力地對這一技術進行研究探索[2]。本文從山西農(nóng)業(yè)大學校園內常見的花卉入手,探索了基于深度學習技術的花卉識別方法。該方法以卷積神經(jīng)網(wǎng)絡結構為基礎,構建了一種模擬視覺感知原理的深度神經(jīng)網(wǎng)絡結構,通過無監(jiān)督學習的方式學習花卉本質特征來對花卉進行分類。本文提出的算法主要針對山西農(nóng)業(yè)大學校園內... 

【文章來源】：山西農(nóng)業(yè)大學山西省

【文章頁數(shù)】：42 頁

【學位級別】：碩士

【部分圖文】：

圖２－１棧式自動編碼器模型??Ｆｉｕｒｅ?２－１?ｓｔａｃｋ?ａｕｔｏｍａｔｉｃ?ｅｎｃｏｄｅｒ?ｍｏｄｅｌ??

消噪自動編碼器模型被很多常見的ＳＡＥ模型作為基本模塊？。其主要思想??是，用原始輸入ｘ的退化版本７作為輸入進行編碼得到結果ｙ，企圖在訓練中用ｙ重建??原始信號ｘ。基本原理如圖２－３。通過對７的學習，能夠極大地增強自動編碼器模型的??魯棒性和推廣能力。因為通過對７的學習，不僅僅能得到退化的數(shù)據(jù)點本身，還能得到??數(shù)據(jù)點的空間布局鄰域。??－７?－??

?Ｕｎｒｏｌｌｉｎｇ?Ｆｌｎｅ－ｔｖｎｌｎｇ??圖２－２?ＳＡＥ的預訓練、展開和微調??Ｆｉｇｕｒｅ?２－２?ＳＡＥ?ｐｒｅ－ｔｒａｉｎｉｎｇ，?ｅｘｐａｎｓｉｏｎ?ａｎｄ?ｆｉｎｅ?ｔｕｎｉｎｇ??近年來，消噪自動編碼器模型被很多常見的ＳＡＥ模型作為基本模塊？。其主要思想??是，用原始輸入ｘ的退化版本７作為輸入進行編碼得到結果ｙ，企圖在訓練中用ｙ重建??原始信號ｘ�；驹砣鐖D２－３。通過對７的學習，能夠極大地增強自動編碼器模型的??魯棒性和推廣能力。因為通過對７的學習，不僅僅能得到退化的數(shù)據(jù)點本身，還能得到??數(shù)據(jù)點的空間布局鄰域。??－７?－??

【參考文獻】：
期刊論文
[1]谷歌TensorFlow機器學習框架及應用[J]. 章敏敏,徐和平,王曉潔,周夢昀,洪淑月.  微型機與應用. 2017(10)
[2]一種卷積神經(jīng)網(wǎng)絡的優(yōu)化方法[J]. 劉晨,曲長文,周強,李智.  艦船電子工程. 2017(05)
[3]卷積神經(jīng)網(wǎng)絡研究綜述[J]. 周飛燕,金林鵬,董軍.  計算機學報. 2017(06)
[4]受限玻爾茲曼機的稀疏化特征學習[J]. 康麗萍,許光鑾,孫顯.  計算機科學. 2016(12)
[5]基于葉片圖像處理和稀疏表示的植物識別方法[J]. 李萍,張波,張善文.  江蘇農(nóng)業(yè)科學. 2016(09)
[6]基于卷積神經(jīng)網(wǎng)絡探討深度學習算法與應用[J]. 高強,靳其兵,程勇.  電腦知識與技術. 2015(13)
[7]基于梯度的多輸入卷積神經(jīng)網(wǎng)絡[J]. 費建超,芮挺,周遊,方虎生,朱會杰.  光電工程. 2015(03)
[8]基于卷積神經(jīng)網(wǎng)絡的植物葉片分類[J]. 龔丁禧,曹長榮.  計算機與現(xiàn)代化. 2014(04)
[9]深度學習的昨天、今天和明天[J]. 余凱,賈磊,陳雨強,徐偉.  計算機研究與發(fā)展. 2013(09)
[10]自動識別應用在互聯(lián)網(wǎng)上崛起[J]. 劉環(huán)宇.  中國自動識別技術. 2013(04)

碩士論文
[1]基于深度學習的植物圖像集識別技術研究[D]. 劉孟南.華僑大學 2017
[2]基于深度學習的快速目標檢測技術研究[D]. 王震.天津理工大學 2017
[3]基于改進卷積神經(jīng)網(wǎng)絡算法的研究與應用[D]. 王飛飛.南京郵電大學 2016
[4]基于全噪聲自動編碼器的深度神經(jīng)網(wǎng)絡優(yōu)化算法[D]. 夏林.武漢科技大學 2016
[5]深度學習算法在車牌識別系統(tǒng)中的應用[D]. 劉崢強.電子科技大學 2016
[6]基于Caffe深度學習框架的卷積神經(jīng)網(wǎng)絡研究[D]. 楊楠.河北師范大學 2016
[7]卷積神經(jīng)網(wǎng)字符識別算法研究[D]. 吳香蓮.電子科技大學 2016
[8]基于深度學習的圖像識別算法研究[D]. 豐曉霞.太原理工大學 2015
[9]基于稀疏表示的植物葉片分類識別研究[D]. 李建武.長安大學 2014
[10]深度學習在圖像語義分類中的應用[D]. 杜騫.華中師范大學 2014



本文編號：3492467