基于深度学习算法的图像识别方法研究

摘要

记得在2013年，在编程技术圈里，人工智能这个词已经很火了。对于程序员来说，关心的当然是人工智能与算法相关的内容。随之而来的，就是机器学习[7]，深度学习了。当前，深度学习算法正得到相当广的应用，其中图像识别领域，也是非常重要方面。因为截止当前，深度学习算法是人类找到的在提高图像识别率及识别速度最好的方法，故而研究深度学习算法的意义，直接关系到图像识别的实用性和安全性。

用更简洁的方式表达复杂函数并能学到深层的特征表示，这就是多层结构的深度网络优势所在。用深度学习所构建的模型用于图像识别方面，可进一步提高图像识别的识别效率与速率。因为深度网络可理智能的实现训练识图。

本文研究的主要工作包括：

⑴详细叙述了图像识别技术的发展和当前现状，阐述了图像识别技术对人们实际生活所带来的影响及重大意义。

⑵实现图像识别技术的方法，基于深度学习算法在图像识别技术的研究。

⑶以深度学习算法为基础，研究其在图像识别技术上的实现。同时研究了关于卷积深度信念网络的训练方式，以实现更好的实现无监督模式图像识别。最后通过Matlab仿真实验验证并对实验结果进行分析。

关键词:　深度学习  卷积神经网络  图像识别 AlexNet

目录

摘要 I

第1章 研究背景与意义 2

1.1国内外在图像识别方向的研究现状 2

1.2研究意义 3

第2章 图像识别 4

2.1 图像识别概述 4

2.2 图像识别原理 4

2.3 Matlab中实现图像识别的方法 5

第3章 深度学习 6

3.1 深度学习概述 6

3.2 深度学习常用方法 7

3.2.1 卷积神经网络 7

3.2.2 深度信念网络 12

第4章 基于Matlab的仿真实验与分析 17

4.1 仿真介绍 17

4.2 基于AlexNet模型仿真 18

4.2.1 单图像识别 18

4.3 结果分析 21

第5章 总结与展望 22

5.1 总结 22

5.2 展望 22

参考文献 23

致谢 25