基于机器学习图像分类.pptVIP

◎ 中间罈荸我术大学 University of Science and Technology of China 基于深度学习的图像分类 [1]A. Krizhevsky, L. Sutskever, G. E. Hinton, ImageNet classification with deep convolutional neural networks, Advances in neural information processing systems (NIPS), 2012. 提纲 中术大 研究背景以及研究问题 核心结构与算法 实验结果 总结 研究背景 中术大 随着多媒体信息技术的发展,网络中的数字图像 数量呈爆炸性増长,对海量图像进行自动管理的 迫切需求促使图像分类成为学术界的研究热点 ·基于机器学习,已有算法虽然较好地处理小型数 图像集合,但如果直接应用于海量图像的处理 则会由于复杂度过高而难以在实际系统中实现 需要更为高效的图像分类算法! 研究问题 中术大 如何快速有效的实现对海量图像的分类 基于深度卷积神经网络 采用一些新的特征降低训练时间 多种技术降低 overfitting 获得相对于已有算法更好的性能 核心结构与算法(1)中学术大资 提高训练速度 ReLU Nonlineari non-saturating nonlinearity ·采用RcLU( Restricted linear units)作为激活函数,相对于传 统的激活函数可以更快速地收敛 Training on Multiple GPU 采用2块显卡来进行并行计算 在网络结构上,部分分布在不同显卡上面的前后层节点之间无 连接,从而提高计算速度