基于卷积神经网络的图像识别方法研究

摘要

人工神经网络是一种尝试模拟人脑的功能而产生的人工智能方法，在上个世纪末期经历了一段时间的蓬勃发展之后，再次陷入低潮。深度学习技术是受到生物学和神经学领域在动物和人脑视觉神经领域的新发现的启发，模拟视觉系统的层次化的工作模式，在人工神经网络的基础上构建具有层次化结构的深度网络模型，给人工神经网络带来了新的发展方向。卷积神经网络是将人工神经网络和深度学习技术结合而产生的一个新型人工神经网络方法，具有局部感知区域、层次结构化、特征抽取和分类过程结合的全局训练等特点，在图像识别领域获得了广泛的应用。现代图像识别任务要求分类系统能够适应不同类型的识别任务，深度网络及其特例卷积神经网络是目前人工神经网络领域的研究热点，对卷积神经网络及其在不同识别任务上的应用进行研宂具有重要的应用价值。卷积神经网络是在人工神经网络的基础上发展起来的一种高效的识别算法。卷积神经网络通过特征提取和特征映射过程，能够较好的学习到图像中的不变特征。

本文在整理和总结了国内外有关人工神经网络和卷积神经网络的发展经过和研宄成果，并对人工神经网络特别是卷积神经网络的基本概念和算法进行了总结和介绍的基础上，以经典的卷积神经网络模型为基础，构造了三个不同的神经网络模型，在试验的基础根据结果进行比对分析.

关键词　人工神经网络，卷积神经网络，图像处理，图像识别。

目录

摘要 I

引言 1

第1章绪论 2

1.1卷积神经网络的发展和现状 2

1.2 国内外研究现状 3

1.3 存在的问题 6

1.4 本文主要内容 6

第2章卷积神经网络的结构和算法 8

2.1 人工神经网络 8

2.1.1单个神经元 8

2.1.2神经网络 9

2.2 卷积神经网络 10

2.2.1卷积神经网络结构 11

2.2.2适用于卷积神经网络结构的反向传播算法 12

2.2.3卷积神经网络结构的一些相关问题 12

2.2.4卷积神经网络结构的演讲方向 13

2.3 本章小结 14

第3章图像识别问题描述 15

3.1 本文的主要工作 15

3.2 本文所主要使用的网络模型 16

3.3 影响卷积神经网络性能的相关因素和方法 17

3.4 本章小结 17

第4章卷积神经网络在图像识别方面的研究 18

4.1 TensorFlow系统介绍 18

4.2 基于卷积神经网络的图像识别处理流程 19

4.3 本文采用的卷积神经网络模型的结构 20

4.3.1卷积神经网络模型一 21

4.3.2卷积神经网络模型二 23

4.3.3卷积神经网络模型三 24

4.4 试验结果对比分析 25

4.5 本章小结 28

第5章总结与展望 29

5.1 总结 29

5.2 展望 29

参考文献 30