基于深度學(xué)習(xí)的圖像特征識(shí)別方法研究.pdf

1、隨著圖像資源的易得和豐富，在現(xiàn)代生產(chǎn)和智能生活等多個(gè)領(lǐng)域，圖像使用正變得日益普遍和重要。傳統(tǒng)識(shí)別方法使用特征單一、對像素間復(fù)雜關(guān)系的表現(xiàn)力不足，已不能滿足日漸多樣的圖像特征識(shí)別需求。深度學(xué)習(xí)方法能夠自動(dòng)學(xué)習(xí)、深度挖掘并綜合利用多特征信息，因此，將深度學(xué)習(xí)應(yīng)用到圖像特征識(shí)別領(lǐng)域，可顯著提高特征識(shí)別的有效性。深入分析深度網(wǎng)絡(luò)挖掘圖像信息的機(jī)制、判斷影響深度學(xué)習(xí)算法性能的因素、探尋深度網(wǎng)絡(luò)解決實(shí)際問題的方法和途徑，是本研究的重點(diǎn)內(nèi)容。

2、　　利用深度學(xué)習(xí)基本理論，設(shè)計(jì)了基于稀疏自編碼深度學(xué)習(xí)網(wǎng)絡(luò)，能夠有效學(xué)習(xí)用于圖像重構(gòu)的基元特征。通過這些基元特征的稀疏性組合，實(shí)現(xiàn)對原圖像有用信息的去冗余抽象，這種抽象結(jié)果能更好地提高圖像特征識(shí)別性能。通過對手寫體數(shù)字圖像的實(shí)驗(yàn)，驗(yàn)證深度網(wǎng)絡(luò)稀疏重構(gòu)原圖像的特點(diǎn)。通過控制變量法，研究影響深度網(wǎng)絡(luò)圖像特征識(shí)別效果的相關(guān)因素。實(shí)驗(yàn)表明，網(wǎng)絡(luò)層數(shù)和層神經(jīng)元數(shù)量等因素，呈現(xiàn)“設(shè)置過多或過少都會(huì)降低圖像特征識(shí)別準(zhǔn)確率”的鐘型曲線特點(diǎn)。以單玉米籽粒

3、圖像為實(shí)驗(yàn)對象，研究了籽粒完整性特征的深度學(xué)習(xí)識(shí)別方法。實(shí)驗(yàn)通過稀疏自編碼和深度卷積兩種深度網(wǎng)絡(luò)實(shí)現(xiàn)，兩者都取得了超過95％的識(shí)別準(zhǔn)確率，明顯高于傳統(tǒng)單隱層反向傳播網(wǎng)絡(luò)71.93%的識(shí)別準(zhǔn)確率。此外，通過對二者訓(xùn)練時(shí)的研究分析，可以看出稀疏自編碼網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練速度更快，更容易滿足實(shí)時(shí)性的需求。
　　通過系列實(shí)驗(yàn)證明，深度學(xué)習(xí)網(wǎng)絡(luò)更適合解決大規(guī)模圖像的特征識(shí)別問題。本文設(shè)計(jì)的稀疏自編碼深度學(xué)習(xí)網(wǎng)絡(luò)，具有識(shí)別效果好、網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練速度快