基于深度学习的图像分析算法研究.pdfVIP

摘要

摘要

基于深度学习的图像分析算法研究

近年来，深度学习算法在众多领域内取得了巨大的成功，国内外学者几乎都投入

到深度学习算法的研究中。深度学习算法在图像领域的应用非常普遍，它可以在大规

模数据中通过深层网络构建出有效的预测模型来解决生活和学术中的实际问题。然而，

现有两类问题尚未有学者通过深度学习中的图像分析方法进行解决，第一类是高速公

路货车扫描图像的自动识别问题；第二类是生物分子结构预测问题。本文针对这两类

问题展开了深入研究，通过图像分析方法分别构建了两个深度学习模型，一个是基于

U-NET模型用以解决高速公路货车扫描图像的自动识别问题，另一个是基于CDCGAN

模型用以解决生物分子结构预测问题。

对于高速公路货车扫描图像的自动识别问题而言，为了有效检测货车是否存在违

规夹带，目前普遍采用人工识别货车扫描图像的方法，该方法不仅速度慢而且容易造

成误判。本文通过对该问题的深入研究，改进U-NET模型，使得检测速度和准确率大

大提高，准确率高达96%以上，有效解决高速公路货车扫描图像的自动识别问题。对

于生物分子结构预测问题而言，虽然已有学者尝试使用深度学习算法，但是受限于数

据量少的原因使得实验结果并不理想，此外不曾有人尝试使用图像分析的方法突破该

瓶颈。本文通过对生物分子数据的研究，采用两种特殊的编码方式把生物分子数据编

码成图像数据，从图像的角度有效扩充了原有生物分子数据，为模型提供了良好的数

据基础，突破了现有深度学习方法对于生物分子数据量不足的技术难关。此外，本文

还改进了CDCGAN模型中的生成器网络架构，提出了多特征融合生成器。最终，模型

取得了理想的实验结果，与传统预测方法相比预测精度有所提高，因此本文所做的研

究工作具有非常重要参考意义和学术价值，是一次非常新颖且大胆的尝试。

U-NETCDCGAN

本文通过对深度学习图像分析算法的深入研究，改进了和两个

深度学习模型，解决了高速公路货车扫描图像的自动识别和生物分子结构预测两个实

际应用问题，为深度学习图像分析算法提供了新的研究思路。

关键词：

U-NETCDCGAN

深度学习，图像分析，，

I

Abstract

Abstract

ResearchonImageAnalysisAlgorithmBasedonDeepLearning

Inrecentyears,deeplearningalgorithmshaveachievedgreatsuccessinmany

fields,andscholarsathomeandabroadhavealmostinvestedintheresearchofdeep

learningalgorithms.Theapplicationofdeeplearningalgorithmsintheimagefieldis

verycommon.Itcanbuildeffectivepredictivemodelsthroughdeepnetworksin

large-scaledatatosolvepracticalproblemsinlifeandacademics.However,the

existingtwotypesofproblemshavenotyetbeensolvedbyscholarsthroughimage

analysismethodsindeeplearning.Thefirsttypeistheautomatic