基于深度神经网络的视觉识别分类研究

《基于深度神经网络的视觉识别分类研究》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、分类号:学校代码:10128UDC:学号:20151100004硕士学位论文学生类别：全日制学术型硕士研究生学科名称：机械工程论文题目：基于深度神经网络的视觉识别分类研究英文题目：VisualClassificationandRecognitionBasedonDeepNeuralNetwork学生姓名：李燕飞导师姓名：张文志副教授二○一八年六月原创性声明本人声明：所呈交的学位论文是本人在导师的指导下进行的研究工作及取得的研究成果。除文中已经注明引用的内容外，论文中不包含其他人已经发表或撰写过的研究成

2、果，也不包含为获得内蒙古工业大学及其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：指导教师签名：日期：日期：学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：内蒙古工业大学有权将学位论文的全部或部分内容保留并向国家有关机构、部门送交学位论文的复印件和磁盘，允许编入有关数据库进行检索，也可以采用影印、缩印或其它复制手段保存、汇编学位论文。为保护学校和导师的知识产权，作者毕业后涉及该学位

3、论文的主要内容或研究成果用于发表学术论文须征得内蒙古工业大学就读期间导师的同意，并且版权单位必须署名为内蒙古工业大学方可投稿或公开发表。本学位论文属于保密□，在年解密后适用本授权书。不保密□。（请在以上方框内打“√”）学位论文作者签名：指导教师签名：日期：日期：内蒙古工业大学硕士学位论文摘要视觉是机器人智能的基石，而图像识别是视觉的基础。SIFT+SVM、HOG+SVM等算法应用于机器人图像识别领域，由于其算法的局限性，识别率常年难以突破。随着人工智能的发展，深度学习愈演愈烈，尤其是卷积神经网络在计算

4、机图像领域取得了很大的突破，因此，将深度神经网络和机器人分拣任务的实际情况融为一体更具有实用性，通过深度学习来提高机器人分拣的智能性。论文对传统图像识别算法的缺陷进行了分析，报告了深度学习的国内外研究现状，确定利用卷积神经网络来提高机器人识别分拣的效率。介绍了深度神经网络的基础知识，详细的分析了卷积神经网络的网络结构，并且推导了卷积神经网络的前向、后向传播的算法，为图像识别模型建立提供了理论基础。在机器人分拣识别中，有很多任务是对同一物体的质量进行识别的。为了满足这一实际情况，论文创建了苹果数据集。该

5、数据集中含有3926张图片，这些图片是根据实际的识别任务进行现场拍摄的。相比通用的MNIST、CIFAR-10数据集而言，更具有实际意义。论文针对机器人对同一物体质量识别效率低下的问题，设计了一种基于深度神经网络的苹果质量识别模型，该网络模型是由输入层、6层卷积层、2层全连接层和输出层组成；为了获得更好、更具体的图像特征，在设计第三卷积层时，引入了Hebbian原理，这能够将前两层学习到关联性非常高的、而且又不在同一个通道的高阶特征相连接。论文还阐述了其他层的设计理念，并且计算了每一层需要训练的参数。

6、利用Python语言设计了图像预处理的代码；根据网络识别模型的计算参数，在TensorFlow深度学习框架上搭建了苹果质量识别模型；为了避免梯度弥散，采用了能够进行单侧抑制的Relu激活函数；为了加快代价函数的收敛速度，利用随机梯度下降法进行网络训练。通过训练，得出了关于一些重要参数对性能影响的规律。最后将训练好的模型进行测试，实验结果表明，该模型可以非常有效的进行同一物体质量的识别。相对于传统识别算法而言，该识别模型对苹果质量识别的正确率达到了95%以上，识别时间也大大的缩短了。关键词：机器人；深度

7、学习；图像识别；卷积神经网络I内蒙古工业大学硕士学位论文AbstractVisionisthecornerstoneofrobotintelligence,andimagerecognitionisbasedonvision.SIFT+SVMandHOG+SVMalgorithmsareappliedinthefieldofrobotimagerecognition.Therecognitionrateisdifficulttobreakthroughalltheyearroundinthatthel

8、imitationofthealgorithm.Withthedevelopmentofartificialintelligence,deeplearningisbecomingmoreandmoreserious,especiallytheconvolutionneuralnetworkhasmadeagreatbreakthroughinthefieldofcomputerimage,soitismorepracticaltointegratethe