一种基于改进卷积神经网络的目标识别方法研究-计算机科学与技术专业论文.docx

一种基于改进卷积神经网络的目标识别方法研究摘要近年来，卷积神经网络以其较强的特征泛化能力在目标识别任务中取得成功， 并带动相关应用的研究热潮。大规模样本数据与高性能计算机，是提升基于卷积 神经网络的目标识别方法性能的主要手段。目前已有改进卷积神经网络使用样本 目标区域集构建识别模型，从扩大样本数据的角度来提升识别性能。然而，区域 集的质量与数量对识别性能有着重要影响。因此，本文对区域集提取方法进行改 进设计，来对特定应用在非结构化环境下的目标识别问题进行研究，以构建低硬 件成本下一种扩展性强、实时、高效的目标识别方法。论文具体工作如下：针对选择有哪些信誉好的足球投注网站算法获取的目标区域集存在冗余的问题，本文在基于区域合并 的分割算法的基础上，对区域合并准则进行改进设计，提出分层选择有哪些信誉好的足球投注网站算法。 该算法重点是在合并过程中使用多个互补的相似性度量加权构成的组合相似性度 量作为区域合并的评判标准，以获取高质量、低冗余区域集作为目标或目标部件 的有哪些信誉好的足球投注网站空间。两个数据集上的实验结果表明，本文算法在保证分割质量的前提下， 能有效减少冗余区域。针对低硬件成本下目标识别时间较长的问题，本文使用分层选择有哪些信誉好的足球投注网站算法与 改进卷积神经网络设计了一种面向特定应用的目标识别方法。该方法重点在于采 用分层选择有哪些信誉好的足球投注网站算法进行区域集提取，以降低处理冗余区域增加的开销；然后采 用大数据集上的预训练与小数据集上的微调求解网络参数，降低训练成本及实现 模型复用；最后使用微调后的网络进行样本特征提取，并结合样本类别标记信息 构建分类器。在移动产品图像数据集上的实验结果表明，该方法相较于采用选择 有哪些信誉好的足球投注网站的方法能有效降低识别时间；此外，与基于词袋模型的方法相比，该方法具 有更高准确率与可扩展性。关键词：目标识别；分层选择有哪些信誉好的足球投注网站算法；改进卷积神经网络Ⅱ万方数据硕士学位论文=竺====詈詈詈詈詈詈兰詈====!!!!!====詈詈皇詈詈=皇皇皇!!!!!!!==========暑!詈皇暑詈皇兰兰!!!!!=!!!=!===!==========曼詈詈詈詈詈詈皇皇皇=!!====!====!詈AbstractIn recent years，the convolution neural network has been successfully applied in the large—scale obj ect recognition task with its strong feature generalization ability， and has caused the research upsurge of the related application．Large—scale samples and high—performance computers are two important aspects to improve the performance of object recognition．The existing improved convolutional neural network supports obj ect regions of a sample to construct recognition model SO as toimprove recognition performance from the perspective of expanding the scale of samples．However，the performance of obj ect recognition are still affected by the quality and quantity of obj ect regions．Thus，in this paper，we improved the method of obj ect regions extraction to study the obj ect recognition of specific applications in unstructured environment，SO as to construct a real—time and efficient obj ect recognition method with strong expansion and low hardware cost．The work of this paper is as follows：The Selective Search algorithm extracts obj ect regions containing redundant regions，SO a new method named Hierarchical Selec