卷积神经网络和图像识别的问题研究7600字【论文】 .pdf

卷积神经网络和图像识别的问题研究

目录

第一章绪论2

—3

2.1前馈神经网络4

2.1.1-神经元4

2.1.2前馈神经网络模型4

2.2卷积神经网络5

2.2.1卷积神经网络结构5

第三章基于卷积神经网络的手写数字识别6

3.1MNIST手写数字数据6

3.2网络结构和参数设置7

3.2.1网络模型结构7

3.2.2参数设置8

3.2.3手写数字识别代码及注释8

3.3实验结果及分析8

第四章基于卷积神经网络的人脸识别9

4.1人脸数据介绍9

4.2网络结构和参数设置10

4.2.1网络结构10

4.2.2参数设置11

4.2.3人脸识别代码及注释11

4.3实验结果及分析12

4.3.1卷积核数量对识别率的影响12

4.3.2特征维度对识别率的影响13

第五章LBP和神经网络卷积的人脸识别14

5.1LBP算子14

5•11|j••••••••••••••••••••••••••••••••••••••••••••••••♦••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••••14

5.3人脸识别LBP代码及注释15

5.4实验探究15

总结17

参考文献17

摘要：人工智能是当下人们口中热门的话题之一，也是计算机领域的一个重要研究方

向，这几年机器学习与深度学习在这一异军突起，在解决图像处理、文本分析、自然语言

处理、语音语义判断等多个方面起到了至关重要的作用。

而随着网络规模逐步的扩大，移动终端的大众化，为深度学习提供了大量的数据资料；

加之计算机性能的大幅提升，运算量增加，进一步地推动深度学习在各领域得到应用和推

广，而以前无法解决的一些问题，使用神经网络均能得到一定程度的推进。

本文就深度学习在机器视觉领域的应用进行简单的实践与阐述，目标是实现基于卷积

神经网络的图像识别与分类。卷积神经网络在图像识别领域属于较经典、较成熟的模型。

本文中利用卷积神经网络实现图像的分类问题，实践使用的是谷歌的深度学习框架

Tensorfow,使用猫狗图像数据合训练模型后，可以达到随机输入单张猫狗图片，返回图

片分类结果的效果。

关键词：深度学习；卷积神经网络；Tensorfow;图像识别

第一章绪论

1.1课题研究背及意义

图像识别是模式识别的重要领域之一，它涉及到手写数字识别、人脸识别、

物体识别等多项识别技术。图像识别是指利用数字图像处理技术和人工智能技

术，使计算机能够自动提取图像特征并对其进行识别。图像识别因其重要的商

业应用价值而得到广泛研究和迅速发展，如信封上的邮政编码识别4、车牌识

别、门禁中的人脸识别等。目前，图像识别技术逐渐成熟，并在日常生活中普

及，给人类生活带来了巨大的便利。图像识别技术这一研究具有着重要的意义。

深度学习是人工智能领域的重要研究方向之一。它可以通过模拟人脑的思

维方式来处理人们现实生活中的问题。实际上，深度学习就是通过利用计算机

技术的机器学习算法，从大量数据中，学习数据的潜在规律和特征，进而对新

样本进行分类或识别。卷积神经网络是深度学习的一个非常重要的分支领域。

它是模式识别和人工智能领域不可或缺的机器学习算法。受到研究人员和学者

的追捧，相应的科研论文和报告不断大量出现。为解决神经网络的训练问

题,Hinton在一九八六年给出了反向传播算法15(BackPropagation,BP)o反向传播

算法能够在网络训练过程中通过自动调整网络参数,使网络模型的参数正确与最

大程度地获取数据信息,进而利用训练中大量样本信息来掌握数据的内部计算规

则。BP算法也极大地促进了深度学习的进展，推动了人工智能技术的进步。

1989年，LeCun在多层神经网络中