

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、ADissertationSubmittedtoZhejiangUniversityfortheDegreeofMasterofEngineering⑧TITLE:StudvofConvolutionalNeuralNetworkApp1iedonTno’lmageKecogn1t10nAuthor:KeXu^●5upervlsor:Subject:ComputerADDlicationTechnology‘,__—一一&||一Col1
2、ege:ComputerScienceandTechnology●■■_———————————一———————————————●。■_■■■■■●__■。__●_●●●■■■●■●■●■●。___●__●_■__●■■■●■_______?!瘛瘛馹__■■?!瘛瘛__一SubmittedDate:△望!i至圣Q主廷:壟Q!壘浙江大學(xué)碩士學(xué)位論文摘要摘要人工神經(jīng)網(wǎng)絡(luò)是一種嘗試模擬人腦的功能而產(chǎn)生的人工智能方法,在上個(gè)世紀(jì)末期經(jīng)歷了一段時(shí)
3、間的蓬勃發(fā)展之后,再次陷入低潮。深度學(xué)習(xí)技術(shù)是受到生物學(xué)和神經(jīng)學(xué)領(lǐng)域在動(dòng)物和人腦視覺神經(jīng)領(lǐng)域的新發(fā)現(xiàn)的啟發(fā),模擬視覺系統(tǒng)的層次化的工作模式,在人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上構(gòu)建具有層次化結(jié)構(gòu)的深度網(wǎng)絡(luò)模型,給人工神經(jīng)網(wǎng)絡(luò)帶來了新的發(fā)展方向。卷積神經(jīng)網(wǎng)絡(luò)是將人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)技術(shù)結(jié)合而產(chǎn)生的一個(gè)新型人工神經(jīng)網(wǎng)絡(luò)方法,具有局部感知區(qū)域、層次結(jié)構(gòu)化、特征抽取和分類過程結(jié)合的全局訓(xùn)練等特點(diǎn),在圖像識(shí)別領(lǐng)域獲得了廣泛的應(yīng)用?,F(xiàn)代圖像識(shí)別任務(wù)要求分類系統(tǒng)
4、能夠適應(yīng)不同類型的識(shí)別任務(wù),深度網(wǎng)絡(luò)及其特例卷積神經(jīng)網(wǎng)絡(luò)是目前人工神經(jīng)網(wǎng)絡(luò)領(lǐng)域的研究熱點(diǎn),對(duì)卷積神經(jīng)網(wǎng)絡(luò)及其在不同識(shí)別任務(wù)上的應(yīng)用進(jìn)行研究具有重要的應(yīng)用價(jià)值。本文在整理和總結(jié)了國(guó)內(nèi)外有關(guān)人工神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的發(fā)展經(jīng)過和研究成果,并對(duì)人工神經(jīng)網(wǎng)絡(luò)特別是卷積神經(jīng)網(wǎng)絡(luò)的基本概念和算法進(jìn)行了總結(jié)和介紹的基礎(chǔ)上,以經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)模型為基礎(chǔ),將其應(yīng)用到手寫數(shù)字識(shí)別和人臉識(shí)別任務(wù)當(dāng)中,主要工作如下:1)構(gòu)造了若干個(gè)具有不同大小的特征抽取過濾
5、器層的卷積神經(jīng)網(wǎng)絡(luò)模型,并將這些模型應(yīng)用到手寫數(shù)字識(shí)別和人臉識(shí)別兩類不同的識(shí)別問題上。2)通過實(shí)驗(yàn)結(jié)果驗(yàn)證卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用在手寫數(shù)字識(shí)別和人臉識(shí)別問題上的可行性,并與現(xiàn)有的其他分類識(shí)別方法進(jìn)行比較,分析卷積神經(jīng)網(wǎng)絡(luò)模型的優(yōu)缺點(diǎn)。3)通過這些具有不同大小的特征抽取過濾器層的模型在實(shí)驗(yàn)中表現(xiàn)出來的學(xué)習(xí)過程的特性和識(shí)別效果,來比較各個(gè)模型的優(yōu)缺點(diǎn)。本文通過實(shí)驗(yàn)證明了卷積神經(jīng)網(wǎng)絡(luò)不需要太多的調(diào)整和修改就能夠很好的應(yīng)用到手寫數(shù)字識(shí)別和人臉識(shí)別問題
溫馨提示
- 1. 本站所有資源如無(wú)特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別算法研究
- 卷積神經(jīng)網(wǎng)絡(luò)在激光再現(xiàn)防偽圖像識(shí)別中的應(yīng)用.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別算法研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別方法研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的宮頸細(xì)胞病變圖像識(shí)別研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別和檢索方法研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的人臉圖像識(shí)別研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的交易環(huán)境下蔬果圖像識(shí)別研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的飛行器圖像識(shí)別算法研究.pdf
- 人工神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別中的應(yīng)用研究.pdf
- 人工神經(jīng)網(wǎng)絡(luò)及其在圖像識(shí)別中的應(yīng)用研究.pdf
- 脈沖耦合神經(jīng)網(wǎng)絡(luò)在人臉圖像識(shí)別中的應(yīng)用研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別技術(shù)的研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的變電站監(jiān)控圖像識(shí)別方法研究.pdf
- BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)在文字識(shí)別中的應(yīng)用研究.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的細(xì)粒度圖像識(shí)別與分類算法研究.pdf
- Fourier權(quán)函數(shù)神經(jīng)網(wǎng)絡(luò)研究及其在圖像識(shí)別中的應(yīng)用.pdf
- bp神經(jīng)網(wǎng)絡(luò)及在巖性識(shí)別上的應(yīng)用研究
- 卷積神經(jīng)網(wǎng)絡(luò)在圖像分類中的應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論