卷积神经网络的研究与应用

《卷积神经网络的研究与应用》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、分类号密级注1UDC学位论文卷积神经网络的研究与应用（题名和副题名）姜亚东（作者姓名）指导教师贾宇明教授电子科技大学成都（姓名、职称、单位名称）申请学位级别硕士学科专业通信与信息系统提交论文日期2018.5.20论文答辩日期2018.5.24学位授予单位和日期电子科技大学2018年6月25日答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。ResearchAndApplicationofConvolutionNeuralNetworkAMasterThesisSubmittedtoUniversityofEl

2、ectronicScienceandTechnologyofChinaDiscipline：CommunicationandInformationSystemAuthor：JiangYadongAdvisor：ProfessorJiaYumingSchool：SchoolofCommunicationandInformationEngineering摘要摘要目前，人工智能时代已经到来，作为走向人工智能之路的重要工具——深度学习已经走进了人们的视野之中。目前，在我们的日常生活中，其实随处可见深度学习的身影。它采用多层次的、

3、模拟人脑的网络结构，能够更好的提取特征，并且几乎不用人工的干预，自主学习，“认识”所学习的物体，打破了传统的依赖人工提取某种特征的方式，在算法效果上得到了极大的提升。卷积神经网络是深度学习中众多网络结构中的一种。卷积神经网络可以向人类一样直接读取二维图像，结构上也更类似于人类的视觉神经系统，因而具有强大的特征提取能力，在目标识别、检测的效果上远超传统方法。在目标识别、目标检测等计算机视觉任务中可以看见很多卷积神经网络的身影。这其中尤以人脸识别、行人检测、人脸特征点检测等任务最为经典，也取得了优异的成果。本文的主要工作包括

4、以下三个方面：第一，介绍了单个神经元、多层感知器的计算方法，介绍了BP神经网络的网络结构、算法原理。以经典的手写数字网络为例详细介绍了卷积神经网络基本结构、算法原理。第二，仔细研究了一种基于卷积神经网络的DeepID人脸识别算法。借鉴DeepID算法，本文通过利用人脸不同局部区域具有一定的分辨特性，通过使用多个并行的卷积神经网络分别提取不同人脸区域的特征，有效的提升了算法提取的人脸特征的表达能力；论文引入了一种比卷积神经网络性能更好的残差网络，作为模型的特征提取网络，进一步提升了模型的性能。第三，研究了一种基于卷积特征金

5、字塔和单映射多候选框检测算法（SingleShotMultiBoxDetector，SSD）的行人检测网络框架，分析其基础网络结构及多特征层检测的机制。根据行人的外形特征，修改了defaultBox的铺设策略，同时使用了更低层的特征图，有效提升了行人检测率，同时也提高了目标较小的行人检测率。通过实验对比，证明了本文的人脸识别、行人检测算法相比当前的相关算法所具有的优点。关键词：卷积神经网络,人脸识别,行人检测,目标检测,SSDIABSTRACTABSTRACTWiththeadventoftheeraoflargedat

6、aandtheeraofartificialintelligence,Deeplearninghasgraduallyenteredpeople'shorizons.Atpresent,deeplearninghasachievedgreatsucessinthefieldofcomputervisionandspeechrecognition.Itadoptsmulti-levelnetworkstructure,Itcanbetterextractfeatures,andalmostnoartificialinter

7、vention.itbreaksthetraditionalwayofrelyingonmanualextractionoffeatures.Andtheeffectofthealgorithmisgreatlyimproved.Convolutionneuralnetworkisoneofthemanynetworkstructuresindeeplearning.Itcanreadtwo-dimensionalimagesdirectly.And,It’sstructureismoresimilartothehuma

8、nvisualnervesystem.Sotheeffectofthealgorithmisfarbeyondthetraditionalalgorithm.Convolutionneuralnetworkiswidelyusedinimagerecognitionandtargetdetection.Amongth