基于深层卷积神经网络的物体识别研究

《基于深层卷积神经网络的物体识别研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士学位论文基于深层卷积神经网络的物体识别研究RESEARCHONOBJECTRECOGNITIONBASEDONDEEPCONVOLUTIONALNEURALNETWORK黎奉薪哈尔滨工业大学2016年12月万方数据国内图书分类号：TP399学校代码：10213国际图书分类号：621.3密级：公开工程硕士学位论文基于深层卷积神经网络的物体识别研究硕士研究生：黎奉薪导师：张晓峰副教授申请学位：工程硕士学科：计算机技术所在单位：深圳研究生院答辩日期：2016年12月授予学位单位：哈尔滨工业大学万方数据Cla

2、ssifiedIndex:TP399U.D.C:621.3DissertationfortheMaster’sDegreeofEngineeringRESEARCHONOBJECTRECOGNITIONBASEDONDEEPCONVOLUTIONNEURALNETWORKCandidate：FengxinLiSupervisor：AssociateProf.XiaofengZhangAcademicDegreeAppliedfor：Master’sofEngineeringSpeciality：Compu

3、terScienceandTechnologyAffiliation：ShenzhenGraduateSchoolDateofDefence：December,2016Degree-Conferring-Institution：HarbinInstituteofTechnology万方数据摘要摘要随着科技的不断发展，近年已经逐渐进入人工智能时代，一系列代表着人工智能的产品逐渐在市场上出现，例如智能安防、智能机器人、无人机以及无人驾驶等。在这些产品的背后有很多智能算法在支撑着，其中物体识别算法是其中之一。众

4、多物体识别算法，深度学习是近年火热的算法之一，其中卷积神经网络是应用于物体识别领域的主要深度学习技术。经学者研究发现，有很多因素可以影响卷积神经网络模型的识别效果，其中网络结构是重要因素中一种，因此研究如何通过修改网络结构提高网络性能具有重要意义。为此，本文在深度学习以及卷积神经网络等相关知识的基础上，通过对近年来经典卷积神经网络模型从网络结构、参数设置以及训练技巧上进行全面的研究，总结出近年来通过修改网络结构来提高网络效果的方法根据侧重点可以分为两种：增加网络深度和增强卷积单元性能，这两种方法均各有两种

5、形式。在总结改进方案的同时，本文结合改进方案提出四种改进AlexNet网络方法，并得到相应的改进模型。随后通过在ImageNet-1000等数据集上设计相关实验，实验结果显示四种改进模型的效果均要优于基础网络AlexNet。为了进一步提高网络模型性能，本文在改进模型实验的基础上同时结合对近年来经典卷积神经网络模型卷积层参数设计的分析，通过对修改AlexNet得到深层卷积神经网络模型。为了验证深层卷积神经网络模型的有效性，本文在包括物体识别中常用数据集ImageNet-1000以及服装数据集ACS和CAPB

6、在内的三个数据集上进行了实验，实验结果显示深度卷积神经网络模型这三个数据集上的效果要优于实验中其它网络模型，充分证明了模型的有效性。在实验中改进模型一般能取得比基础模型更高的精度，但在类别易混淆度较高的数据集上可能出现效果不理想的情况。为此本文在树形卷积神经网络模型上提出基于AlexNet网络的双层树形结构模型，通过在易混淆类别数据集进行实验，验证了该模型的有效性。关键词：深度学习；物体识别；卷积神经网络；AlexNet-I-万方数据AbstractAbstractRecently,withthefast

7、developmentofscienceandtechnology,wearenowintheeraofartificialintelligence.Anumberofclassicalartificialintelligentcommercialproductshavealreadyappearedinourdailylife,suchasintelligentsecurity,intelligentrobots,unmannedaerialvehiclesandautomaticdrivingtech

8、nology.Therearealotofintelligentalgorithmssupportingtheseproducts,andobjectrecognitionalgorithmisoneofthem.Amongobjectdetectionalgorithms,deepneuralnetworkisthemostpopularoneproposedintherecentyears.Theconvolutional