基于卷积神经网络的图像分类研究.pdfVIP

图形 图像 文章编号 ： （ ） ： 1007-1423 2016 05-0067-05 DOI 10.3969/j.issn.1007-1423.2016.05.015 基于卷积神经网络的图像分类研究 杨莹 ，张海仙 （四川大学软件学院 ，成都 610065 ） 摘要 ： 利用卷积神经网络进行实验的分析设计 ，实现一类图像数据的分类研究 。 实验过程选取参考性较高的几个开源数据 集 ，分别应用到具体的网络模型中进行识别和准确性对比 ，针对得到的实验结果 ，进行分析和改进 ，并给出具体的改 进说明 。 关键词 ： 深度神经网络 ； 图像模式识别 ； 卷积神经网络 基金项目 ： 国家自然科学基金资助项目）、四川省科技计划项目 （No.2014GZ0005-5 ） 0 引言 gation,BP ） 算法不断迭代更新权值 ， 结合梯度下降方 法 ，最后得到能使整个网络最优的权值 。 除此之外 ，相 图像识别技术的基础是分析图像的主要特征 ，正 比传统的 DNN ，卷积神经网络的局部感受野方法 、权值 如人类的图像识别过程 ， 复杂图像的识别需要经过多 共享 以及下采样等手段 ，对图像的 位移不变性 、旋转 不 个层次信息的整合以及加工 ， 才能够将分散的对图像 变性都有很大优势 。 首先 ，局部感受野方法很大程度上 单个特征的认知识别进行整合 ， 形成对图像的最终识 模 拟 了人的视觉神经 系统 ， 通过局部 印象来形成最终 别分类 。 相类似的 ，如何让计算机在进行数字图像处理 对事物辨识认知的过程 ； 权值共享 让同一特征图下的 时使用类似的特征提取机制 ， 对于图像的关键特征进 连接边共享庞大 的参数集合 ； 而最具代表性的卷积和 行提取之后再进行整合 ， 从而达到最终的认知分类目 池化方法也使得提取的特征更加稳定 从 而 最终的识 的成为近年来图像识别研究的热点 。 ， ， 别效果得到提 升 。 本文将针对不同的数据集 ，通过建立 卷积神经网络 （CNN ）在诸如手写数字识别以及人 三个卷积神经网络模型对 数据集进行训练和识别 ，通 脸识别方面都被证明有着非常出色的表现 。 如 Ciresan 的 Deep Neural Networks for Image Classification [1] 证 明 过微调参数达到更好的识别效果 。 了在 NORB 和 CIFAR-10 数据集上采用卷积神经网络 1 实验设计 进行分类的效果非常好 ，同时 ， 等人在 Krizhevsky 2012 年 ImageNet 的卷积网络模型应用中取得 16.4%的错误 （ ） 1 LeNet-5 率更是吸引了全世界的瞩目 。 总的来说 ，卷积神经网络 LeNe