深度學(xué)習(xí)在圖像識別中的研究及應(yīng)用.pdf_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、對圖像進(jìn)行精確識別,具有非常重要的研究意義,圖像識別技術(shù)在醫(yī)藥學(xué)、航天、軍事、工農(nóng)業(yè)等諸多方面發(fā)揮著重要的作用。當(dāng)前圖像識別方法大多采用人工提取特征,不僅費(fèi)時費(fèi)力,而且提取困難;而深度學(xué)習(xí)是一種非監(jiān)督學(xué)習(xí),學(xué)習(xí)過程中可以不知道樣本的標(biāo)簽值,整個過程無需人工參與也能提取到好的特征。近年來,將深度學(xué)習(xí)用于圖像識別成為了圖像識別領(lǐng)域的研究熱點(diǎn),已取得了良好的效果,并且有廣闊的研究空間。
  本文基于深度學(xué)習(xí)在圖像識別的相關(guān)理論,分析了深

2、度學(xué)習(xí)的基本模型和方法,并在相關(guān)圖像數(shù)據(jù)集上實驗論證;另外鑒于深度學(xué)習(xí)多用于大樣本集,本文基于小樣本提出了一種改進(jìn)算法,具體工作內(nèi)容如下:
  (1)分析深度學(xué)習(xí)中卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNNs)的基本原理,研究其訓(xùn)練過程和模型結(jié)構(gòu)。其中卷積層通過卷積運(yùn)算,可以使原信號增強(qiáng),并且降低噪聲,提高信噪比;降采樣對卷積層的圖像進(jìn)行子抽樣,在保證了有用信息不降低的基礎(chǔ)上,減少數(shù)據(jù)處理量。

3、將其在MNIST手寫字體數(shù)據(jù)集上進(jìn)行實驗,通過對比分析了該方法和其他經(jīng)典算法在識別率和時間方面的優(yōu)劣。
  (2)針對于卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練時間過長這一缺陷,分析了深度學(xué)習(xí)中深度信念網(wǎng)絡(luò)(Deep Belief Networks,DBNs)的基本原理、訓(xùn)練過程和模型結(jié)構(gòu)。DBNs的分層訓(xùn)練機(jī)制大大減少了訓(xùn)練難度,減少了訓(xùn)練時間。引入Softmax作為模型的分類器,將其在MNIST手寫字體數(shù)據(jù)集上進(jìn)行實驗,實驗表明:深度信念網(wǎng)絡(luò)在識別率

4、上和卷積神經(jīng)網(wǎng)絡(luò)持平,但訓(xùn)練方法的改善使得消耗時間大大減少。此外,該方法在自然場景CIFAR-10庫上也有較好的實驗效果。
 ?。?)鑒于深度學(xué)習(xí)多適用于較大的數(shù)據(jù)集,針對小樣本提出了一種改進(jìn)的深度信念網(wǎng)絡(luò)結(jié)構(gòu):深度信念網(wǎng)絡(luò)整個過程可以分為預(yù)訓(xùn)練和參數(shù)微調(diào)兩個階段,改進(jìn)的算法在預(yù)訓(xùn)練階段對樣本進(jìn)行降采樣;在參數(shù)微調(diào)階段引入隨機(jī)隱退(Dropout),將隱含層的結(jié)點(diǎn)隨機(jī)清零掉一部分,保持其權(quán)重不更新。將改進(jìn)的模型在MNIST子集和O

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論