深度學習在圖像語義分類中的應(yīng)用.pdf

1、圖像分類問題長久以來都是學術(shù)界研究的熱點問題，也是圖像檢索、圖像理解和分析等研究的基礎(chǔ)。近年來隨著網(wǎng)絡(luò)上數(shù)字圖像的增長，傳統(tǒng)的圖像分類方法已經(jīng)不能滿足現(xiàn)實應(yīng)用的需要，基于語義的圖像分類方法越來越受到關(guān)注。本文通過分析生物視覺、圖像特征等方面的最新研究成果，提出了層次化語義特征必須具備的一些特點，根據(jù)深度學習模型學習數(shù)據(jù)的層次化特征的原理，提出使用深度學習模型學習圖像的層次化語義特征，并在此基礎(chǔ)上設(shè)計了兩種深度學習模型來進行圖像的語義分類

2、。
　　本文主要研究了以下幾個方面:
　　(1)介紹了圖像語義分類的意義和常見思路，討論了兩類構(gòu)造圖像語義特征的方法，分析了這兩類方法的缺點，介紹了深度學習的發(fā)展歷程，并對本文的主要工作做了簡要的介紹。
　　(2)對人類視覺皮層，特別是和一般視覺特征處理相關(guān)的視覺子區(qū)域，做了比較詳細而深入的介紹。對常見的四類構(gòu)造圖像特征的思路做了詳細介紹，分析了每種思路的優(yōu)缺點。在前面兩項工作的基礎(chǔ)上，總結(jié)了圖像語義特征必須具備的特點

3、，提出了使用層次化學習模型來學習圖像中的特征。
　　(3)對分布式表示做了介紹，從表示能力角度說明了層次化表示的必要性。對常見的深度學習模型的理論和學習過程做了簡要的介紹。
　　(4)對圖像語義分類問題作出了自己的定義。結(jié)合圖像語義分類的實際問題，提出使用棧式去噪自動編碼器和卷積深度玻爾茲曼機來提取圖像的語義特征，然后進行圖像分類。針對深度學習模型難優(yōu)化的問題，總結(jié)了深度學習模型優(yōu)化的常見技巧。
　　(5)在CIFAR