基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別算法研究.pdf

1、卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）是以人工神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，結(jié)合深度學(xué)習(xí)提出的一種識(shí)別算法，目前，已成功的應(yīng)用到物體檢測(cè)、圖像識(shí)別、語(yǔ)音識(shí)別等領(lǐng)域。卷積神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)雖已慢慢趨于穩(wěn)定，但主要以單機(jī)串行方式實(shí)現(xiàn)，存在訓(xùn)練時(shí)間過(guò)長(zhǎng)，內(nèi)存不足等問(wèn)題。
　　本文通過(guò)卷積神經(jīng)網(wǎng)絡(luò)算法的分析以及對(duì)圖像識(shí)別技術(shù)的對(duì)比，對(duì)卷積神經(jīng)網(wǎng)絡(luò)算法進(jìn)行改進(jìn)，以提高圖像識(shí)別效果。主要內(nèi)容包括多區(qū)域圖像識(shí)別和基于

2、MapReduce的卷積神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)。多區(qū)域圖像識(shí)別是在傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，簡(jiǎn)化其網(wǎng)絡(luò)結(jié)構(gòu)，進(jìn)行圖像識(shí)別測(cè)試時(shí)，按照區(qū)域劃分得到多個(gè)測(cè)試區(qū)域，提高圖像識(shí)別準(zhǔn)確率；在此基礎(chǔ)上，基于MapReduce平臺(tái)進(jìn)行了卷積神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)，利用 Map函數(shù)將數(shù)據(jù)分割成 N個(gè)模塊，通過(guò)數(shù)據(jù)處理形成中間數(shù)據(jù)，再由 Reduce函數(shù)進(jìn)行數(shù)據(jù)匯總，即通過(guò) MapReduce的并行計(jì)算，使其訓(xùn)練速度更快。最后在MapReduce環(huán)境下通過(guò)編程實(shí)現(xiàn)了