基于卷积神经网络的景物标记

《基于卷积神经网络的景物标记》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、学校代码：１０００４密级：公升如肢４乂ＩｉＢＥＩＪＩＮＧＪＩＡＯＴＯＮＧＵＮＩＶＥＲＳＩＴＹ９硕±学位论文基于卷巧神经网络的景物标记誦名尹蕊Ｉ‘学科专业臟科学与技术？．＾》■指磁导教师尹传环副教授：Ｊ＇培养院系ｉ十龍与信息技术学院Ｗｋ１Ｉ■－ＬＩｉＩ＾ｆ—零赢１４．ｉｌｌ齡＇交丢轉硕±学位论文基于卷积神经网络的景物标记ＳｃｅｎｅＬａｂｅｌｉｎＢａｓｅｄｏｎＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋｓｇ作者：尹蕊导师：尹传

2、环北京交通大学２０１６年６月学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可＾心将学位论文的全部或部分内容编入有关数据库进行检索，提供阅览服务，并采用影印、缩印或扫描等复制手段保存、汇编＾供査阅和借阅。同意学校向国家有关部口或机构送交论文的复印件和磁盘。学校可レッ为存在馆际合作关系的兄弟商校用户提供文献传递服务和交换服务。（保密的学位论文在解密后适用本授权说明）＾＾学位论文作者签名左导师签名；／签字曰期：如年＾月（曰签字曰期：扣／年《

3、月＾曰＾《学校代码：１０００４密级：公开北京交通大学硕：ｔ学位论文基于卷积神经网络的景物标记ＳｃｅｎｅＬａｂｅｌｉｎｇＢａｓｅｄ０打ＣｏｎｖｏｌｕｔｉｏｎａｌＮｅｕｒａｌＮｅｔｗｏｒｋｓ作者姓名１３１２０４４５：尹蕊学号：导师姓名：尹传环职称：副教授学位类别：硕±；工学学位级别学科专业：计算机科学与技术研究方向：机器学习北京交通大学２０１６年６月ｉ致谢一硕±研巧生毕业论文是对每位硕：ｔ研巧生科研成果的检验与总结。本论文相关实验工作是在我的导师北京交通大学

4、计算机与信息技术学院副教授尹传环老师的悉屯、指导之下完成的。在实验和论文撰写期间，尹老师严谨的治学态度和科学的工作方法都给予我很大帮助。每当实验进入瓶颈或思路不畅的时候，老师都会依据自身丰富的经验向我提出一些改进建议或实验指导。在此衷也感谢尹老师Ｈ年来对我的关也与指导。？托合提在实验室研巧及论文撰写期间，吐尔逊江、吴劲松、刘腾飞、焦晓宇、李跃东一、王楠等同学和老师对本实验当中些技术及理论问题给予了热情帮助。至今，我们讨论的问题Ｗ及讨论问题时激烈的程度还让我印象深刻。与同学们的交流让我学到了很多理论知识Ｗ及他

5、人实验当中总结出来的经验与方法，这堅都让我受益匪巧。另外感谢王玉国先生对本实验的支持。王先生从事信息技术工作多年，有着丰富的实战经验一。每当我在实验中遇到困难，感到爾不振时，王先生总会替我出谋划策，让我从另外的角度去解决问题。他乐观开朗的性格也常常能够影响到一、。我，让我能够换种屯情和思路去解决问题虽然至今也未能与王先生见面，但受他专业精神的影响，我学会了遇事不慌并尝试用不同的方法去解决问题。最令、我钦佩的就是他总能热屯帮助他人的精神。特别要提出感谢的人是Ｓｅｖｅｎ。在我研巧生学习期间；，他对我的成长贡

6、献很大一直鼓励我积极投身不同的行业他，感受行业发展并思考如何在发展中实现自身一直扮演着良师益友的角色价值。在从学生到社会人这样的角色转换中，他，给一予我鼓励的同时也让我思考自己的不足。无论是从做人还是做事上，切初衷都、源于自己的良屯：做人要善良，做事要踏实。他还鼓励我维续深造，攀登知识的更商巧。尽管未来困难还有很多，但不能放弃希望，再苦再难也要坚持走下去。最后感谢家人对我多年深造的支持，没有他们就没有此刻的我。他们深诸知识和学历能给人生带来转变，因此鼓励我要珍惜时间，学习更多的知识。他们如大树般为我遮风挡雨，而

7、我也必将用所有报答他们的关爱。。。为表谢意，特撰此文感巧之情，溢于言表北京交通大学硕±学位论文摘要摘要－二本文研巧卷积神经网络在人脸背景分类识别、、手写数字识别多类围像分类识别和景物标记中的应用。本文采用具有不同特征抽取过滤层的卷积神经网络与其他优化模型相结合的方法，获得相同團像在不同尺度卷积核的图像信息。探巧了基于多尺度卷积神经网络模型的多景物图像标记问题，同时将改进后的多尺度卷积神经网络应用于ＳｔａｎｆｏｒｄＢａｃｋｇｒｏｕｎｄ数据集与Ｓ圧ＴＦｌｏｗ数据集的景物标记。：实验中，提商了景物标

8、记的正确率本文的主要工作如下－（１）采用具有不同特征抽取过滤层的卷积神经网络方法分别进行了人脸背景二分类实验、手写数字识别实验和多类图像分类实验，同时和其他训练模型的结一果作对比－二，