bck

收藏本站

基于深度卷积神经网络的图像分类方法研究及应用

【摘要】:图像分类是计算机视觉技术重要的研究方向,是指通过获取图像的显著特征以实现不同类别划分的图像处理方法。传统的图像分类方法通过特征描述符加分类器的方法来实现,这种方法的准确度很大程度上取决于特征提取的有效性。随着计算机硬件性能、大数据及学习算法的发展,深度学习的方法被广泛应用到图像处理的各个领域。卷积神经网络运用了深度学习的思想,是一种深层前馈神经网络模型,在语音识别、人脸识别、运动分析、医学诊断等多个图像分类领域都表现出很好的性能。卷积神经网络相较于传统的人工神经网络,具有稀疏连接、权值共享等特点。卷积神经网络更好地模拟了视觉神经元响应图像局部信息的特点,使用稀疏连接构建图像的局部感知野,大大降低了神经网络的参数规模。通过共享权值的方法将卷积层的每一个卷积核重复的作用于整个感受野中,提取出图像的局部特征,减少了自由参数的数量,提高了模型的训练效率。基于卷积神经网络的图像分类方法避免了繁杂的显示特征提取,将图像的特征分析并入神经网络之中,通过调节神经网络的权值和偏置,实现真正的端到端的图像分类。设计基本结构的卷积神经网络模型是一个简单的过程,而对于模型的优化和训练是一个漫长和复杂的过程,因此对于模型的优化方法研究和训练效率提升至关重要。文中基于卷积神经网络的基本结构,提出了依次使用数据集扩充、准确度提升、过拟合解决、效率提升的一套优化方法流程。通过对比实验验证了数据增强提升数据集的多样性有利于提升准确度和泛化能力;在数据集不变的情况下,提升网络模型规模和层深度是有效提升模型分类准确度的方法;对于大规模网络模型带来的过拟合问题,配合使用正则化、稀疏性优化、数据分布优化等方法均能够实现不同程度的解决;训练大规模模型和数据时,优化梯度下降方法可以有效提升网络的收敛速度,而使用GPU加速将极大的提升训练效率。针对气象行业地基全天空云图的分类问题,建立了 9层的卷积神经网络模型,并通过BN算法、dropout方法对模型进行优化,在中国气象科学研究院公开的云图数据集上进行训练,并对测试集实现了最优97.8%的分类准确度,相较于经典模型Alexnet和GoogLeNet inception-v3分类准确度更佳、参数量更少、训练效率更高。运用迁移学习的方法将训练好的卷积神经网络模型应用到自制全天空云图仪数据集的分类中,实验证明,使用迁移学习可以使网络模型在新的数据集上实现快速收敛,在相同的时间内训练出的模型分类性能要好于重新训练的网络模型。经过对两类数据集上训练,在混合测试集上预测准确度达到95.5%,也使所设计的网络模型对于图像的尺寸、仪器的采样方式具有更强的适应性,在自制的全天空云图仪上实现较好的分类效果。针对质检行业卷烟烟丝组成成分的分类问题,研究了烟丝各组成成分的特征,确定使用烟丝的局部特征图像建立分类数据集。设计了基于卷积神经网络的烟丝识别模型,使用11层卷积神经网络用于局部特征图像的分类,在训练过程中,提出了运用多尺度分割方法提升模型的适用性,运用数据增强方法提升数据集的多样性,运用正则化方法提升模型的泛化能力,使卷积神经网络在局部图片测试集上最优预测准确度达到93.23%。在对烟丝样本的测试过程中,设计了基于图像尺寸匹配的预处理方法,并对卷积神经网络的输出结果运用了基于统计分析的判定方法,上述方法使识别模型不完全依赖于卷积神经网络的性能,提升了识别模型对卷积神经网络泛化能力的容忍度,在烟丝训练和测试样本上分别实现了100%和98.75%的正确率。

下载App查看全文

(如何获取全文? 欢迎:、、)

支持CAJ、PDF文件格式


【相似文献】
中国期刊全文数据库 前20条
1 杨晓帅 ,付玫;神经网络技术让管理更轻松[J];软件世界;2000年11期
2 云中客;新的神经网络来自于仿生学[J];物理;2001年10期
3 唐春明,高协平;进化神经网络的研究进展[J];系统工程与电子技术;2001年10期
4 李智;一种基于神经网络的煤炭调运优化方法[J];长沙铁道学院学报;2003年02期
5 程科,王士同,杨静宇;新型模糊形态神经网络及其应用研究[J];计算机工程与应用;2004年21期
6 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期
7 周丽晖;从统计角度看神经网络[J];统计教育;2005年06期
8 赵奇 ,刘开第 ,庞彦军;灰色补偿神经网络及其应用研究[J];微计算机信息;2005年14期
9 袁婷;;神经网络在股票市场预测中的应用[J];软件导刊;2006年05期
10 尚晋;杨有;;从神经网络的过去谈科学发展观[J];重庆三峡学院学报;2006年03期
11 杨钟瑾;;神经网络的过去、现在和将来[J];青年探索;2006年04期
12 林静怡;朱建平;;优化问题神经网络方法的发展及有待解决的问题[J];统计教育;2006年11期
13 王鸿斌;张立毅;;新型神经网络的发展及其应用[J];忻州师范学院学报;2007年02期
14 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期
15 刘彩红;唐万梅;;基于组合神经网络的教师评价模型研究[J];重庆师范大学学报(自然科学版);2008年04期
16 旷章辉;王甲海;周雅兰;;用改进的竞争Hopfield神经网络求解多边形近似问题[J];计算机科学;2009年03期
17 黄松;杨小帆;;离散时间神经网络的研究进展[J];计算机应用研究;2009年08期
18 ;第7届神经网络国际研讨会(英文)[J];智能系统学报;2009年04期
19 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期
20 俸世洲;周尚波;;SOM神经网络在独立学院招生决策中的应用[J];计算机工程与科学;2011年05期
中国重要会议论文全文数据库 前10条
1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年
2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集(上册)[C];2003年
3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年
4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年
9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
中国博士学位论文全文数据库 前10条
1 高震宇;基于深度卷积神经网络的图像分类方法研究及应用[D];中国科学技术大学;2018年
2 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年
3 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年
4 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年
5 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年
6 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年
7 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年
8 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年
9 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年
10 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年
中国硕士学位论文全文数据库 前10条
1 刘宇轩;基于深度学习的目标场景识别[D];北京邮电大学;2017年
2 常祥;基于卷积神经网络的图像分类应用研究[D];中北大学;2017年
3 王征韬;深度神经网络压缩与优化研究[D];电子科技大学;2017年
4 魏存超;基于卷积神经网络的医学图像分类的研究[D];哈尔滨工业大学;2017年
5 李静;基于卷积神经网络的虚假评论识别技术的研究[D];北京邮电大学;2017年
6 郭东亮;基于卷积神经网络的互联网短文分类方法研究[D];中原工学院;2017年
7 胡琛;基于卷积神经网络的人脸识别研究[D];武汉工程大学;2017年
8 蔡立章;基于卷积神经网络的体液细胞图像有形成分的特征识别方法研究[D];湘潭大学;2017年
9 曹东旭;基于卷积神经网络的人脸识别系统设计与实现[D];南京邮电大学;2017年
10 吴梦露;基于级联深度神经网络的人脸验证算法研究与应用[D];武汉工程大学;2017年
中国重要报纸全文数据库 前10条
1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;[N];中国教师报;2014年
2 卢业忠;[N];计算机世界;2001年
3 葛一鸣 路边文;[N];中国纺织报;2003年
4 中国科技大学计算机系 邢方亮;[N];计算机世界;2003年
5 记者 孙刚;[N];解放日报;2007年
6 本报记者 刘霞;[N];科技日报;2011年
7 健康时报特约记者  张献怀;[N];健康时报;2006年
8 刘力;[N];中国电子报;2001年
9 ;[N];世界金属导报;2002年
10 邹丽梅 陈耀群;[N];中国船舶报;2006年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978


{bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck体育下载}| {bckbet}| {bcksports}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bck官网}| {bck体育下载}| {bckbet}| {bcksports}| {bck官网}| {bck体育app}| {bck体育}| {bcksports}| {bck官网}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck体育}| {bcksports}| {bck官网}| {bck体育官网}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bck官网}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bcksports}| {bck官网}| {bck}| {bck体育官网}| {bcksports}| {bck体育下载}| {bck体育app}| {bckbet}|
{uc8}| {uc8体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐城}| {uc8彩票}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {uc8体育}| {UC体育}| {uc8老虎机}| {uc8老虎机}| {UC8娱乐}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8老虎机}| {uc8彩票}| {uc8}| {uc8体育}| {UC体育}| {uc8官网}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {uc8彩票}| {uc8}| {uc体育}| {UC体育}| {UC8娱乐城}| {uc8}| {UC体育}| {uc8官网}| {uc8老虎机}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}|