基于深度學(xué)習(xí)的自然圖像分類方法的研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩75頁(yè)未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、近幾年以來(lái),隨著科學(xué)計(jì)算機(jī)網(wǎng)絡(luò)及人工智能領(lǐng)域的發(fā)展,圖形圖像數(shù)據(jù)量逐漸增多,于是,如何從大量的自然圖像中快速提取到視覺(jué)特征已經(jīng)成了機(jī)器智能學(xué)習(xí)中的熱點(diǎn)研究課題,進(jìn)而對(duì)自然圖像的分類必然成為獲取自然圖像信息的研究重點(diǎn)。
  卷積神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)在圖像處理方面的一個(gè)重要應(yīng)用。它相比于其它機(jī)器學(xué)習(xí)算法如 SVM等,其優(yōu)點(diǎn)是能夠直接對(duì)圖像像素進(jìn)行卷積并提取特征,也能夠利用海量的圖像數(shù)據(jù)將網(wǎng)絡(luò)參數(shù)訓(xùn)練充分,以達(dá)到更好的分類效果。本文對(duì)基于

2、深度學(xué)習(xí)的自然圖像分類方法展開(kāi)研究,主要工作及創(chuàng)新點(diǎn)如下:
  1)基于tensorflow深度學(xué)習(xí)框架平臺(tái)設(shè)計(jì)一個(gè)用于識(shí)別圖像的淺層卷積神經(jīng)網(wǎng)絡(luò),并分別用單GPU和多GPU訓(xùn)練加速來(lái)對(duì)比該網(wǎng)絡(luò)性能,其中多GPU訓(xùn)練該網(wǎng)絡(luò)的所用的時(shí)間比單GPU縮短了25分鐘。該項(xiàng)工作的設(shè)計(jì)旨在建立一個(gè)較好的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行訓(xùn)練和評(píng)估,并為工作3中建立更加復(fù)雜的網(wǎng)絡(luò)模型做鋪墊。
  2)本文圍繞卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)和多參數(shù)分別進(jìn)行了改進(jìn)和優(yōu)化。

3、研究實(shí)驗(yàn)表明,對(duì)batch值、dropout、momentum動(dòng)量值、數(shù)據(jù)集擴(kuò)增等的優(yōu)化,能夠有效地提高深層卷積神經(jīng)網(wǎng)絡(luò)模型的識(shí)別率。因此,合理的增加網(wǎng)絡(luò)層數(shù),優(yōu)化訓(xùn)練參數(shù)提高訓(xùn)練效率,以達(dá)到最佳的分類效果是圖像分類應(yīng)用研究中非常重要的目的。
  3)基于tensorflow深度學(xué)習(xí)框架平臺(tái),并用GPU訓(xùn)練加速來(lái)進(jìn)行卷積神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)改進(jìn)設(shè)計(jì)和參數(shù)優(yōu)化。首先,設(shè)計(jì)一個(gè)具有9層結(jié)構(gòu)的深層卷積神經(jīng)網(wǎng)絡(luò)。其次,用該網(wǎng)絡(luò)結(jié)構(gòu)分別對(duì)ci

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論