基于TensorFlow的图像识别.doc

研 究 生 课 程 论 文 封 面 课程名称： 机器学习 论文题目：基于TensorFlow的图像识别 学生班级： 1703 学生学号； 201713907111 学生姓名： 胡靖 任课教师： 张晓龙 学位类别： 硕士 评分标准及分值 选题与参阅资料 （分值 ） 论文内容 （分值 ） 论文表述 （分值 ） 创新性 （分值 ） 评分 注：任课教师可根据需要对评分标准进行调整 论文评语： 总 评 分 评阅教师: 评阅时间 年 月 日 注：此表为每个学生的论文封面，请任课教师填写分项分值 基于TensorFlow的图像识别 胡靖 武汉科技大学计算机学院 摘要: TensorFlow是谷歌的第二代开源的人工智能学习系统，是用来实现神经网络的内置框架学习软件库。目前，TensorFlow机器学习已经成为了一个研究热点。由基本的机器学习算法入手，简析机器学习算法与TensorFlow框架，并通过在Linux系统下搭建环境，进行图像分类识别，从而实现TensorFlow的学习与应用 关键词: TensorFlow；卷积神经网络；图像识别； Abstract：TensorFlow is Googles second-generation open source artificial intelligence learning system, is used to implement neural network built-in framework learning software library. At present, TensorFlow machine learning has become a hot research topic. Starting from the basic machine learning algorithm, the paper analyzes the machine learning algorithm and TensorFlow framework, and through the build environment in Linux system, carries on the image classification recognition, in order to realize the TensorFlow learning and the application Keywords：TensorFlow；CNN；image classification； 引言 机器学习是一门多领域交叉的学科，能够实现计算机模拟或者实现人类的学习行为，重构自己的知识结构从而改善自身的性能。TensorFlow是谷歌的第二代人工智能学习系统，是用来制作Deep Mind的一个开源深度学习系统。 算法原理 本次实验的inception模型主要运用了CNN卷积神经网络，下面主要就CNN卷积神经网络和inception模型做一个简单的介绍： CNN卷积神经网络： 卷积神经网络是近年发展起来，并引起广泛重视的一种高效识别方法。20世纪60年代，Hubel和Wiesel在研究猫脑皮层中用于局部敏感和方向选择的神经元时发现其独特的网络结构可以有效地降低反馈神经网络的复杂性，继而提出了卷积神经网络（Convolutional Neural Networks-简称CNN）。现在，CNN已经成为众多科学领域的研究热点之一，特别是在模式分类领域，由于该网络避免了对图像的复杂前期预处理，可以直接输入原始图像，因而得到了更为广泛的应用。 K.Fukushima在1980年提出的新识别机是卷积神经网络的第一个实现网络。随后，更多的科研工作者对该网络进行了改进。其中，具有代表性的研究成果是Alexander和Taylor提出的“改进认知机”，该方法综合了各种改进方法的优点并避免了耗时的误差反向传播。 一般地，CNN的基本结构包括两层，其一为特征提取层，每个神经元的输入与前一层的局部接受域相连，并提取该局部的特征。一旦该局部特征被提取后，它与其它特征间的位置关系也随之确定下来；其二是特征映射层，网络的每个计算层由多个特征映射组成，每个特征映射是一个平面，平面上所有神经元的权值相等。特征映射结构采用影响函数核小的sigmoid函数作为卷积网络的激活函数，使得特征映射具有位移不变性。此外，由于一个映射面上的神经元共享权值，因而减少了网络自由参数的个数。卷积神经网络中的每一个卷积层都紧跟着一个用来求局部平均与二次提取