基于卷积神经网络图像分类技术探究及实现.docVIP

基于卷积神经网络图像分类技术探究及实现 　　摘要：图像分类问题一直是计算机视觉的一个核心问题，而随着深度学习的发展，也为我们解决图像分类中图像特征提取问题提供了一种很好的解决方法，通过构建具有隐层的机器学习模型和海量的图像训练数据，来学习更有用的图像特征，从而最终提升图像分类或预测的准确性。该文使用Caffe深度学习框架，构建小型的图像数据库，通过Caffe框架给出的卷积神经网络对数据集进行训练分析，提取目标图像特征信息，最后对目标图像进行预测，并和传统的图像分类算法进行对比，预测的准确率有很大的提升 关键词：图像分类；深度学习；Caffe框架；卷积神经网络 中图分类号：TP18 文献标识码：A 文章编号：1009-3044（2016）35-0209-03 Research and Implementation of Image Classification Based on Convolution Neural Network WANG Chao （Information Engineering Institute，East China University of Technology， Nanchang 330013， China） Abstract： The problem of image classification has been the core problem in computer vision. A good solution is developed by further study which can solve the problem of extracting image features in image classification. In order to learn image features efficiently， constructing the machine learning model with hidden layer as well as training a large number of image data will eventually promote the accuracy of image classification or prediction. This paper is intended as an in-depth Caffe learning framework to construct a small image data-base. The convolutional neural network provided by Caffe framework will make a training analysis of the data set and then extract the information of target image features. These can be used for the final prediction of the target image. Compared with the traditional image classification algorithm， the accuracy of the prediction will be greatly improved. Key words： image classification； deep learning； Caffe framework； Convolutional Neural Network ?S着计算机与互联网技术的快速发展，我们已经进入了一个以图像构建的世界。但是面临有海量图像信息却找不到所需要的数据的困境，因而图像分类技术应运而生。通过各种机器学习算法使计算机自动将各类图像进行有效管理和分类，但是由于图像内容包含着大量复杂且难以描述的信息，图像特征提取和相识度匹配技术也存在一定的难题，要使得计算机能够像人类一样进行分类还是有很大的困难 深度学习是近十年来人工智能领域取得的重要突破，在图像识别中的应用取得了巨大的进步，传统的机器学习模型属于神经网络模型，神经网络有大量的参数，经常会出现过拟合问题，因而对目标检测准确率上比较低。本文采用卷积神经网络框架，图像特征是从大数据中自动学习得到，而且神经网络的结构深由很多层组成，通过重复利用中间层的计算单元来减少参数，在特征汇聚阶段引入图像中目标的显著信信息，增强了图像的特征表达能力。通过在图像层次稀疏表示中引入图像显著信息，加强了图像特征的语义信息，得到图像显著特征表示，通过实验测试，效果比传统的图像分类算法预测的准确度有明显的提升 1