图像识别与分类的深度学习方法研究.docx

图像识别与分类的深度学习方法研究

目录

内容概览．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.1.1计算机视觉发展概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

1.1.2深度学习在视觉任务中的革命性作用．．．．．．．．．．．．．．．．．．．．．8

1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

1.2.1图像识别技术进展．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11

1.2.2分类算法流派梳理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

1.3主要研究内容．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

1.4技术路线与论文结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．17

相关理论与基础技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

2.1深度学习基本原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19

2.1.1神经网络模型演进．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20

2.1.2反向传播与优化算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21

2.2卷积神经网络核心机制．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23

2.2.1卷积运算与池化操作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25

2.2.2激活函数与特征提取．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26

2.3常用图像表示方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27

2.3.1离散余弦变换．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

2.3.2小波变换．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30

基于深度学习的图像识别模型．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34

3.1传统方法及其局限性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34

3.1.1手工特征提取方法回顾．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．35

3.1.2传统分类器分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37

3.2基于CNN的识别模型构建．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38

3.2.1全卷积网络思想．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40

3.2.2深度可分离卷积探索．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．41

3.3模型结构优化与改进策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43

3.3.1残差连接的应用．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．44

3.3.2批归一化技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．45

3.4面向特定任务的模型设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．46

3.4.1实时识别模型考量．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．48

3.4.2小样本识别模型思路．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．48

图像分类算法研究．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．51

4.1基于监督学习的分类技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．52

4.1.1常用损失函数分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．54

4.1.2迁移学习在分类中的应用．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．55

4.2半监督与无监督分类探索．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．57

4.2.1利用标签稀疏性的方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．58

4.2