《大数据分析与挖掘》实训教案——深度学习在图像识别及图像分类领域中的应用.docxVIP

深度学习在图像识别及图像分类领域中的应用

一、操作环境

1.操作系统：windowAll

2.软件平台：LogisPMT,python3.4

二、业务场景

图像识别技术是人工智能的一个重要领域。它是指对图像进行对象识别，以识别各种不同模式的目标和对像的技术。在人类图像识别系统中，对复杂图像的识别往往要通过不同层次的信息加工才能实现。对于熟悉的图形，由于掌握了它的主要特征，就会把它当作一个单元来识别，而不再注意它的细节了。这种由孤立的单元材料组成的整体单位叫做组块，每一个组块是同时被感知的。在文字材料的识别中，人们不仅可以把一个汉字的笔划或偏旁等单元组成一个组块，而且能把经常在一起出现的字或词组成组块单位来加以识别。

深度学习是近十年来人工智能领域取得的重要突破。它在语音识别、自然语言处理、计算机视觉、图像与视频分析、多媒体等诸多领域的应用取得了巨大成功。现有的深度学习模型属于神经网络。神经网络的起源可追溯到20世纪40年代，曾经在八九十年代流行。神经网络试图通过模拟大脑认知的机理解决各种机器学习问题。深度学习在图像识别领域最具影响力的突破发生在2012年，Hinton（加拿大多伦多大学）的研究小组采用深度学习赢得了ImageNet图像分类比赛的冠军，排名第2到第4位的小组采用的都是传统的图像识别方法，手工设计的特征，他们之间准确率的差别不超过1%。Hinton研究小组的准确率超