發(fā)布時間：2020-05-31 04:29

【摘要】：蛇是一種常見的爬行動物,可以劃分為無毒蛇和毒蛇。毒蛇傷人事件時有發(fā)生�；颊弑欢旧咭笮枰鶕�(jù)其種類選擇對應的抗蛇毒血清進行治療。在我國,很多種類的蛇屬于保護動物。一些蛇類在醫(yī)藥等領域具有一定的經(jīng)濟價值。近年來,深度學習技術的發(fā)展十分迅猛。卷積神經(jīng)網(wǎng)絡和膠囊神經(jīng)網(wǎng)絡等深度學習技術在計算機視覺和自然語言處理等領域得到了廣泛的應用。目前,國內外針對蛇類圖像分類問題進行的研究工作寥寥無幾。不同種類的蛇在顏色、斑紋、形狀或姿態(tài)等方面的差異,為對蛇類圖像進行分類提供了可能性。一個很自然的想法是將深度學習技術應用到蛇類圖像分類問題中。但是,該問題的一個難點在于目前缺乏公開的足夠大的蛇類圖像數(shù)據(jù)集,尤其是中國常見蛇類圖像數(shù)據(jù)集。基于這些背景,本文通過采集和收集數(shù)據(jù),建立了包含銀環(huán)蛇、竹葉青蛇、舟山眼鏡蛇、尖吻蝮、王錦蛇、黃金蟒、玉斑麗蛇、紅尾蚺、紅脖頸槽蛇和鉤盲蛇等10種中國常見蛇類共計10336幅圖像的CHINESESNAKES蛇類圖像數(shù)據(jù)集。并且本文對蛇類圖像分類問題的可行性與難點進行了分析。基于CHINESESNAKES蛇類圖像數(shù)據(jù)集,本文使用卷積神經(jīng)網(wǎng)絡這一深度學習技術,對蛇類圖像分類問題進行了研究。本文針對蛇類圖像分類問題,設計了 BRC卷積神經(jīng)網(wǎng)絡結構,其在CHINESESNAKES蛇類圖像數(shù)據(jù)集上的分類準確率達到了 89.061%。最后,本文設計并實現(xiàn)了一個基于安卓操作系統(tǒng)的蛇類圖像識別系統(tǒng)。
【圖文】：

Ｓｉｇｍｏｉｄ（ｘ）邋＝邐（２．邋１）逡逑其函數(shù)圖像如圖２．邋２所示。逡逑從圖２．２中我們可以看到，Ｓｉｇｍｏｉｄ函數(shù)在ｘ＝０附近的梯度比較大，而在遠逡逑離ｘ＝０的曲線兩端梯度變得非常小，接近于０。我們知道，梯度對于卷積神經(jīng)網(wǎng)逡逑絡的訓練具有非常重要的意義，梯度如果變得過小，會導致卷積神經(jīng)網(wǎng)絡的訓練逡逑速度變得非常緩慢，進而影響卷積神經(jīng)網(wǎng)絡的性能。逡逑２．邐Ｒｅｌｕ函數(shù)逡逑Ｒｅｌｕ函數(shù)的數(shù)學表達式如式２．邋２所示：逡逑Ｒｅｌｕ｛ｘ）邋＝邋ｍａｘ（０，，ｘ）邐（２．邋２）逡逑Ｒｅｌｕ函數(shù)的圖像如圖２．邋３所示。逡逑１１逡逑

改進型ＲｅｓＮｅｔ網(wǎng)絡結構，即ＲｅｓＮｅｔＶ２。這兩種網(wǎng)絡結構的區(qū)別主要體現(xiàn)在殘差逡逑塊的結構區(qū)別上。ＲｅｓＮｅｔ和ＲｅｓＮｅｔ邋Ｖ２網(wǎng)絡的殘差塊結構如圖２．邋４所示。逡逑從圖２．４中我們可以看出，ＲｅｓＮｅｔ邋Ｖ２網(wǎng)絡殘差塊將原始的ＲｅｓＮｅｔ網(wǎng)絡殘差逡逑塊結構中干路上的Ｒｅｌｕ激勵層移到了支路上，并且將原始ＲｅｓＮｅｔ網(wǎng)絡結構中的逡逑卷積層－批標準化層－Ｒｅｌｕ激勵層的結構變?yōu)榕鷺藴驶瘜樱遥澹欤跫顚樱矸e層。逡逑這些改進能夠加快卷積神經(jīng)網(wǎng)絡的訓練速度以及提高卷積神經(jīng)網(wǎng)絡的性能。逡逑２．邋３卷積神經(jīng)網(wǎng)絡存在的一些缺陷逡逑眾所周知，卷積神經(jīng)網(wǎng)絡在最近幾年取得了突飛猛進的發(fā)展。卷積神經(jīng)網(wǎng)絡逡逑在計算機視覺以及其他一些領域取得了舉世矚目的成就�？梢哉f，卷積神經(jīng)網(wǎng)絡逡逑研究的進展使人工智能的研究走向了一個新的高潮。逡逑但是，卷積神經(jīng)網(wǎng)絡在取得了巨大成就的同時，也暴露了自身所存在的一些逡逑不足之處。下面對目前卷積神經(jīng)網(wǎng)絡存在的一些缺陷進行介紹。逡逑１．
【學位授予單位】：浙江大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP391.41;TP18;Q959.6

【相似文獻】

相關期刊論文 前10條

1 陶筱嬌;王鑫;;基于深度學習算法的圖像分類方法[J];微型電腦應用;2019年03期

2 李會民;馬桂英;王延倉;;基于深度學習網(wǎng)絡的水質圖像分類[J];北華航天工業(yè)學院學報;2018年04期

3 彭娟;;特征選擇和聚類分析的圖像分類模型[J];現(xiàn)代電子技術;2017年19期

4 田凱;杜鵬;;基于C#的圖像分類系統(tǒng)實現(xiàn)[J];數(shù)碼世界;2017年08期

5 王科平;張志剛;;基于特征加權的自動圖像分類方法[J];微型電腦應用;2014年01期

6 汪煜浩;華瑞林;;山地衛(wèi)星圖像分類制圖方法研究[J];遙感信息;1987年04期

7 武慧瓊;張素蘭;張繼福;胡立華;;一種基于三支決策的花卉圖像分類[J];小型微型計算機系統(tǒng);2019年07期

8 吳健;賈宏宇;;基于遷移學習的圖像分類方法研究[J];河南科技;2018年31期

9 林澤文;;深度學習及其在圖像分類識別中的運用探討[J];信息與電腦(理論版);2018年12期

10 李舒;吳磊;;數(shù)據(jù)挖掘在醫(yī)學圖像分類中的應用[J];醫(yī)學信息學雜志;2014年08期

相關會議論文 前10條

1 吳楠;李曉曦;宋方敏;;圖像挖掘及其在醫(yī)學圖像分類中的應用[A];2006年全國理論計算機科學學術年會論文集[C];2006年

2 朱松豪;劉佳偉;胡榮林;;一種圖像分類的新方法[A];第26屆中國控制與決策會議論文集[C];2014年

3 文振q;歐陽杰;朱為總;;基于語義特征與支持向量機的圖像分類[A];中國電子學會第十六屆信息論學術年會論文集[C];2009年

4 武文;李昊;王曉軍;吳永輝;;極化誤差對圖像分類的影響分析[A];全國第20屆計算機技術與應用學術會議（CACIS·2009）暨全國第1屆安全關鍵技術與應用學術會議論文集（上冊）[C];2009年

5 范海地;謝鳳英;;基于卷積神經(jīng)網(wǎng)絡的皮膚鏡圖像分類[A];第十五屆中國體視學與圖像分析學術會議論文集[C];2017年

6 吳霜;張一飛;修非;王大玲;鮑玉斌;于戈;;基于興趣點特征提取的醫(yī)學圖像分類[A];第二十四屆中國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2007年

7 蘆穎;倪維平;嚴衛(wèi)東;邊輝;;基于改進極化目標分解算法的POLSAR圖像分類[A];國家安全地球物理叢書（十一）——地球物理應用前沿[C];2015年

8 潘海為;李建中;張煒;;基于像素聚類的腦部醫(yī)學圖像分類[A];第二十屆全國數(shù)據(jù)庫學術會議論文集（研究報告篇）[C];2003年

9 佘杰;;基于BP神經(jīng)網(wǎng)絡的煤巖圖像分類識別[A];第23屆全國煤礦自動化與信息化學術會議暨第5屆中國煤礦信息化與自動化高層論壇論文集[C];2013年

10 武進;尹愷;王長明;張家才;;SVDM在蔬菜病害圖像分類中的應用[A];圖像圖形技術與應用進展——第三屆圖像圖形技術與應用學術會議論文集[C];2008年

相關博士學位論文 前10條

1 侯賽輝;圖像物體的精細化分類方法研究[D];中國科學技術大學;2019年

2 鄭昱;面向大規(guī)模圖像分類的層次化多任務學習算法研究[D];西安電子科技大學;2017年

3 郭雨薇;基于超像素表征和模糊特征學習的圖像分類與識別[D];西安電子科技大學;2017年

4 李曉;基于遷移學習的跨域圖像分類方法研究[D];西安電子科技大學;2017年

5 滑文強;小樣本下的極化SAR圖像分類問題研究[D];西安電子科技大學;2018年

6 張姝茵;基于判別性特征學習的極化SAR圖像分類[D];西安電子科技大學;2018年

7 胡慧君;帶鋼缺陷圖像分類中的智能算法研究[D];武漢大學;2015年

8 常合友;基于字典學習的圖像分類研究[D];南京理工大學;2017年

9 羅長志;多類別圖像分類的關鍵技術研究[D];合肥工業(yè)大學;2017年

10 謝雯;基于判別字典學習和自編碼網(wǎng)絡的極化SAR圖像分類[D];西安電子科技大學;2017年

相關碩士學位論文 前10條

1 朱國家;基于興趣域檢測的圖像分類方法研究[D];武漢工程大學;2018年

2 付永欽;基于深度學習的蛇類圖像分類問題研究[D];浙江大學;2019年

3 王曼;輕量級卷積網(wǎng)絡的構建及其在圖像分類中的應用[D];西安理工大學;2019年

4 焦鵬飛;基于深度學習和稀疏表示的圖像分類與檢索方法研究[D];西安理工大學;2019年

5 李盈;基于多任務學習的極化SAR圖像分類問題研究[D];南昌航空大學;2019年

6 鄭欣悅;基于深度學習的少樣本圖像分類方法[D];中國科學院大學(中國科學院國家空間科學中心);2019年

7 李安亞;基于深度學習的多標簽場景圖像分類研究[D];西安石油大學;2019年

8 周韜;基于卷積神經(jīng)網(wǎng)絡的圖像分類與目標檢測[D];廣西師范大學;2019年

9 李漢乾;基于深度聚類網(wǎng)絡和層次化學習的大規(guī)模圖像分類[D];廈門大學;2018年

10 胡鐸;基于多尺度屬性圖核的小樣本圖像集分類方法研究[D];安徽大學;2019年

本文編號：2689289