基于深度神經(jīng)網(wǎng)絡的圖像識別系統(tǒng)的研究與改進.pdf_第1頁
已閱讀1頁,還剩62頁未讀, 繼續(xù)免費閱讀

下載本文檔

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),請進行舉報或認領(lǐng)

文檔簡介

1、深層人工神經(jīng)網(wǎng)絡的結(jié)構(gòu)跟生物神經(jīng)網(wǎng)絡結(jié)構(gòu)類似,可以很好的適用于圖像識別這個問題。目前,關(guān)于將深度神經(jīng)網(wǎng)絡應用在圖像識別問題上已經(jīng)取得了很多令人振奮的成果,然而距離將深度神經(jīng)網(wǎng)絡投入諸如圖像檢索、圖像標注、圖文轉(zhuǎn)換等實際應用中還有很多問題需要克服。本文針對深度神經(jīng)網(wǎng)絡結(jié)構(gòu)進行研究,改進了常用的訓練算法,同時針對不同的應用場景,提出了兩種新的神經(jīng)網(wǎng)絡模型。
  首先,本文針對深度神經(jīng)網(wǎng)絡在圖像識別領(lǐng)域上的應用進行了詳細的研究,并提出了

2、一系列改進算法提升了現(xiàn)在最優(yōu)模型的性能。在參與相關(guān)評測比賽中獲得了不錯的成績。基于本文改進算法,設(shè)計實現(xiàn)了一個在線圖像識別系統(tǒng)。
  在使用大規(guī)模搜索引擎用戶點擊數(shù)據(jù)訓練高級圖像特征得過程中,本文發(fā)現(xiàn)搜索引擎的用戶點擊數(shù)據(jù)不同于人工標注的訓練數(shù)據(jù),它具有數(shù)據(jù)分布不均衡、同義類別數(shù)據(jù)較多等問題,而這些問題對多分類神經(jīng)網(wǎng)絡的訓練有很大影響,基于這些問題,本文提出了一種適用于實際數(shù)據(jù)分布情況的基于多任務深度神經(jīng)網(wǎng)絡的圖像高級特征學習方法

溫馨提示

  • 1. 本站所有資源如無特殊說明,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)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論