卷积神经网络-刘海波20153018.docx

卷集神经网络用于图像处理 PAGE \* MERGEFORMAT 22 摘要 图像处理有着很悠久的发展史，卷积神经网络是一种特殊的深层的神经网络模型,最适合用来做图像处理。它是将BP和深度学习技术相结合而产生的一种新型BP方法,具有局部感受区域、层次结构化、特征提取和分类过程结合的全局训练的特点,在图像识别领域获得了广泛的应用。卷积神经网络的特殊性体现在两个方面,一方面它的神经元之间的连接是非全连接的,另一方面同一层中某些神经元之间的连接的权重是共享的,这种非全连接和权值共享的网络结构降低了网络模型的复杂度,减少了权值的数量,这种网络结构对平移、旋转、倾斜、比例缩放等具有高度不变性。 本文介绍了卷集神经网络的基本理论及特征，总结了其在图像处理方向的应用，最后对卷积神经网络在图像处理方向的应用进行了总结和展望。 关键字 图像处理 卷集神经网络 BP  目录 TOC \o 1-3 \h \z \u HYPERLINK \l _Toc454551539 1卷积神经网络发展历程 PAGEREF _Toc454551539 \h 1 HYPERLINK \l _Toc454551540 2卷积神经网络理论及性质 PAGEREF _Toc454551540 \h 2 HYPERLINK \l _Toc454551541 2.1 主要的滤波器 PAGEREF _Toc454551541 \h 2 HYPERLINK \l _Toc454551542 2.2 反向传播BP PAGEREF _Toc454551542 \h 5 HYPERLINK \l _Toc454551543 2.3 卷积神经网络的性质 PAGEREF _Toc454551543 \h 7 HYPERLINK \l _Toc454551544 3 卷集神经网络在图像处理中的应用 PAGEREF _Toc454551544 \h 8 HYPERLINK \l _Toc454551545 3.1 手写数字识别 PAGEREF _Toc454551545 \h 8 HYPERLINK \l _Toc454551546 3.2 ImageNet图像分类 PAGEREF _Toc454551546 \h 12 HYPERLINK \l _Toc454551547 3.3 医学图像分割 PAGEREF _Toc454551547 \h 13 HYPERLINK \l _Toc454551548 3.4 树叶病情检测 PAGEREF _Toc454551548 \h 14 HYPERLINK \l _Toc454551549 3.5 谷歌围棋AlphaGo战胜人类 PAGEREF _Toc454551549 \h 15 HYPERLINK \l _Toc454551550 4 滤波器可视化 PAGEREF _Toc454551550 \h 17 HYPERLINK \l _Toc454551551 5 总结和展望 PAGEREF _Toc454551551 \h 20 HYPERLINK \l _Toc454551552 参考文献 PAGEREF _Toc454551552 \h 22 1卷积神经网络发展历程 卷积神经网络（CNN）是一种特殊的深层的神经网络模型,它是将BP和深度学习网络相结合而产生的新型BP。卷积神经网络是受视觉神经网络机制的启发而设计的,1962年,惭bel和Wieseip刮对猫视觉皮层细胞研究,提出了基于猫视觉皮层的结构模型,首次提出了感受野的概念,这些视觉皮层只对输入空间的很小部分区域敏感。1984年,Fukushima提出了神经认知机(neocognitron)模型,它是卷积神经网络的第一个实现,它包括两类神经元,用于特征提取的采样元和用于抗变形的卷积元。采样元有感受野和阔值两个参数,感受野是为了确定连接单元的数目,阀值则是为了控制对特征子模式的反应程度。Fukushima主要将神经认知机用于手写数字的识别。LeCun等人设计并采用基于误差梯度的算法训练卷积神经网络,并且将它应用于手写数字的识别。这是卷积神经网络领域的一个重大突破。现在,我们通常说的卷积神经网络都和LeCun提出的卷积网络很类似。LeCun当时提出的模型一般称为LeNet-1,目前最新的版本是LeNet-5。 卷积神经网络是为了识别二维形状而设汁的多层感知器,具有局部感受,层次结构、特征提取和分类过程结合的全局训练的特点。这种网络结构可对平移、旋转、比例缩放、倾斜或者其他形式的变形具有高度不变性。卷积神经网络已经成为应用到了文档分析、语音识别、车牌识别、手写数字识别,人脸特征点的检测各个方面。 CNN是一个神奇的深度学习框架，