基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別算法研究.pdf

1、卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）是以人工神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，結(jié)合深度學(xué)習(xí)提出的一種識別算法，目前，已成功的應(yīng)用到物體檢測、圖像識別、語音識別等領(lǐng)域。卷積神經(jīng)網(wǎng)絡(luò)識別技術(shù)雖已慢慢趨于穩(wěn)定，但主要以單機(jī)串行方式實現(xiàn)，存在訓(xùn)練時間過長，內(nèi)存不足等問題。
　　本文通過卷積神經(jīng)網(wǎng)絡(luò)算法的分析以及對圖像識別技術(shù)的對比，對卷積神經(jīng)網(wǎng)絡(luò)算法進(jìn)行改進(jìn)，以提高圖像識別效果。主要內(nèi)容包括多區(qū)域圖像識別和基于

2、MapReduce的卷積神經(jīng)網(wǎng)絡(luò)算法設(shè)計。多區(qū)域圖像識別是在傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，簡化其網(wǎng)絡(luò)結(jié)構(gòu)，進(jìn)行圖像識別測試時，按照區(qū)域劃分得到多個測試區(qū)域，提高圖像識別準(zhǔn)確率；在此基礎(chǔ)上，基于MapReduce平臺進(jìn)行了卷積神經(jīng)網(wǎng)絡(luò)算法設(shè)計，利用 Map函數(shù)將數(shù)據(jù)分割成 N個模塊，通過數(shù)據(jù)處理形成中間數(shù)據(jù)，再由 Reduce函數(shù)進(jìn)行數(shù)據(jù)匯總，即通過 MapReduce的并行計算，使其訓(xùn)練速度更快。最后在MapReduce環(huán)境下通過編程實現(xiàn)了