毕业设计（论文）基于神经网络的图像分类技术及其实现.docVIP

基于神经网络的图像分类技术及其实现 摘 要 随着信息化时代的发展，图像识别已成为当今社会的一个迫切需求，其在交通，森林防护，农业等方面有着重要的作用。传统的图像识别大部分依旧使用人工提取特征，费时且费力。而现如今已开发的几种图像识别模型也都或多或少存在着一些缺陷。近年来，深度学习因为其良好的识别能力、全程无需人工参与等优点，使得基于深度学习的图片识别这一技术理论研究变得热门起来，并取得了极大地成功。本文主要研究卷积神经网络这一深度学习理论方法，分析该神经网络模型的原理及方法，并通过实验与其他算法比较。 【关键词 Image Classification Based on Neural Network and Its Implementation Abstract With the development of the information age, the image recognition has become an urgent need in todays society, which plays an important role in transportation, forest protection and agriculture. Most of the conventional image recognition feature extraction still using manual, time-consuming and laborious. And several image recognition model now also has developed more or less there are some flaws. In recent years, deep learning because of its good ability to identify the advantages of the entire process without human intervention, so that the image recognition based on the depth of learning theory research techniques become the rage, and achieved great successful. This paper studies the depth of the convolutional neural network learning theory, principles and methods of analysis of the neural network model and experimentally demonstrated. [Key words] image recognition, deep learning, implementation, Convolutional neural network 目 录 1.引言 1 2.图像识别简介 2 2.1图像识别系统 2 2.2人工神经网络模式识别法 3 3.人工神经网络 4 3.1人工神经网络基本概念 4 3.2人工神经网络的结构 5 3.2.1前馈型神经网络 5 3.2.2 反馈型网络 6 3.3人工神经网络的特点 6 3.4人工神经网络的学习方式 7 3.4.1有监督学习 7 3.4.2无监督学习 7 3.5浅层学习和深度学习 7 4.基于卷积神经网络的图像识别 9 4.1卷积神经网络结构 9 4.2基于卷积神经网络的交通标识识别 11 4.3实验结果和对比 12 结论 15 参考文献 16 致谢 17 1.引言 图像识别的主要研究内容是如何对图像进行智能地识别与分类，该领域的研究始于20世纪90年代，截至今日，已有近30年的研究历史。目前，由于该领域的实际应用场景较为广泛，已成为当今的研究热点。其主要研究目的是设计出能够对各种图片进行智能识别的系统模型，从而满足实际应用的需要，以取代传统的人眼识别作业。图像识别的应用领域十分的广泛，主要包括：银行用户手写签名字体的识别；违章和出事车辆车牌号码的识别；采矿时岩石切面各种矿石岩相的识别以及人脸识别等等。随着时代的发展以及科学技术的不断深入创新，用于对各种图像信息的识别和分类已成为当今世界的一大迫切需求。 虽然国内外对各种分类技术都进行了长时间的研究，目前也已有了一些较为成功的研究成果也的确取得了一些较好的研究成果。然而，这些图像识别系统仍存在识别度低，训练效率较差等问题。此外，对含有噪声信息的输入数据而言，大部分系统仍然需要结合人工提取特征的办法，依然不能够达到智能化处理的目的。图像识别系统需要对数据集特