基于深度學習的Logo識別研究.pdf

1、隨著計算機視覺技術的發(fā)展，越來越多的圖像識別技術應用在實際的生活中。而Logo則代表了企業(yè)信息的重要標志，圖像和視頻中的Logo識別成為了一個重要的課題，其應用前景已變得十分廣泛，例如盜版侵權(quán)檢測，廣告上下文設計，智能交通控制系統(tǒng)，社交媒體中品牌相關信息自動統(tǒng)計，AR等。然而傳統(tǒng)算法在性能和效率上遠不能滿足這些應用。隨著人工智能的發(fā)展，深度學習成為了近年來人工智能領域取得的重大突破之一，傳統(tǒng)的目標檢測課題大都可移步于深度學習的研究。深度

2、學習算法相較于傳統(tǒng)算法表現(xiàn)出了較大的優(yōu)越性。目前來說，深度學習中的卷積神經(jīng)網(wǎng)絡(CNN)方法已經(jīng)在圖像分類、人臉識別、行人檢測等方面取得了顯著的成效，并獲得了廣泛的應用。
　　本文主要介紹了深度學習在Logo識別上的探索研究。首先介紹了傳統(tǒng)算法在Logo識別上的研究現(xiàn)狀和深度學習卷積神經(jīng)網(wǎng)絡近年來發(fā)展的研究現(xiàn)狀。在這基礎之上，研究和完成深度學習課題實驗，并設計開發(fā)一套基于實驗結(jié)果的web展示系統(tǒng)。本文主要工作有:
　　1、詳

3、細分析了傳統(tǒng)算法中的常用特征模型和常用分類器，結(jié)合課題作出可行性分析，并引出神經(jīng)網(wǎng)絡，闡述了CNN在圖像分類上的優(yōu)勢所在。
　　2、著重介紹了近年來CNN算法的發(fā)展，并選擇性能更加均衡的faster-rcnn算法進行論文實驗。針對收集的數(shù)據(jù)集，利用深度學習平臺caffe框架進行網(wǎng)絡訓練，優(yōu)化調(diào)參，提高識別準確率，得到較好的訓練模型。
　　3、根據(jù)系統(tǒng)需求分析和實驗結(jié)果，使用nodejs開發(fā)web展示頁面。該頁面系統(tǒng)實現(xiàn)了通過