基于深度学习的多标签图像分类系统设计与实现-论文.docx

-PAGEII-

-PAGEII-

-PAGEIII-

基于深度学习的多标签图像分类系统设计与实现

摘要

多标签图像分类是计算机视觉领域中重要的研究方向，旨在确定单幅图像中是否存在一种或多种不同的对象类别。随着数字图像的快速增长，图像标注、智慧医疗等领域对精准的多标签图像分类的需求日趋增加。近年来，深度学习技术在多标签图像分类任务研究中取得了瞩目的成就，但是大多数分类模型并未投入实际的应用当中。基于以上的问题，本文设计并实现了一个操作简便、分类准确的基于深度学习的多标签图像分类系统。

该系统具有以下功能模块：多标签图像分类模型模块，部署了ML-GCN和ADD-GCN两个精准的多标签图像分类模型，可以保证对图像分类的准确；个人信息管理模块，用户能够通过注册登录进入系统进行使用，可以修改用户名、密码等个人信息；图像处理模块，用户可以对图像进行尺寸裁剪、亮度调节、氛围渲染等处理操作，方便用户对图像的处理；图像分类模块，用户可以批量或者单张上传图像，选择使用的分类模型进行图像分类，分类结果将以可视化的方式展示给用户；历史记录模块，用户可以查看以往的详细操作记录和具体的分类任务详情，以供对过往的分类结果进行回溯。

该系统使用Pytorch深度学习框架对两个分类模型进行实现并使用Anaconda部署至本地，后端技术采用Springboot+Mybatis进行搭建，数据库的存储和访问使用MySQL，前端技术采用Vue和ElementUI。经过单元测试于集成测试，该系统实现了预定的功能。

关键词多标签图像分类；深度学习；图卷积网络；Springboot；Vue

DesignandImplementationofDeepLearningBasedMulti-LabelImageClassificationSystem

Abstract

Multi-labelimageclassificationisanimportantresearchdirectioninthefieldofcomputervision,aimingatdeterminingwhetherthereareoneormoredifferentobjectclassesinasingleimage.Withtherapidgrowthofdigitalimages,thereisanincreasingdemandforaccuratemulti-labelimageclassificationinthefieldsofimageannotationandsmarthealthcare.Inrecentyears,deeplearningtechniqueshavemaderemarkableachievementsintheresearchofmulti-labelimageclassificationtasks,butmostoftheclassificationmodelsarenotputintopracticalapplications.Basedontheaboveproblems,thispaperdesignsandimplementsadeeplearning-basedmulti-labelimageclassificationsystemwitheasyoperationandaccurateclassification.

Thedeeplearning-basedmulti-labelimageclassificationsystemhasthefollowingfunctionalmodules:multi-labelimageclassificationmodelmodule,whichdeploystwoaccuratemulti-labelimageclassificationmodels,ML-GCNandADD-GCN,toensuretheaccuracyofimageclassification;personalinformationmanagementmodule,whichallowstheusertoenterthesystembyregisteringandloggingin,andmodifypersonalinformationsuchastheuse