基于卷積神經(jīng)網(wǎng)絡的圖像特征提取算法與圖像分類問題研究.pdf

1、卷積神經(jīng)網(wǎng)絡是一種結(jié)構特殊的神經(jīng)網(wǎng)絡，屬于深度學習模型。它在圖像識別以及自然語言處理等復雜人工智能問題中應用廣泛。卷積神經(jīng)網(wǎng)絡的結(jié)構設計來自于對動物視覺皮層細胞激活的研究，因此，卷積神經(jīng)網(wǎng)絡更適合于處理圖像數(shù)據(jù)。相比于其它神經(jīng)網(wǎng)絡模型，卷積神經(jīng)網(wǎng)絡的神經(jīng)元之間部分連接，并且權值共享。當數(shù)據(jù)維度較高時，如圖像數(shù)據(jù)情況下，卷積神經(jīng)網(wǎng)絡的模型參數(shù)遠小于全連接網(wǎng)絡，因此在訓練數(shù)據(jù)較少時，模型相比全連接網(wǎng)絡不易過擬合；另一方面，卷積神經(jīng)網(wǎng)絡可直接

2、將圖像作為輸入，相比普通全連接網(wǎng)絡，它保留了圖像特征的位置與結(jié)構信息。
　　卷積核是卷積神經(jīng)網(wǎng)絡中的特征提取器，通過卷積核在圖像上滑動計算而提取圖像特征。因此，本文的研究重點為在以圖像作為輸入數(shù)據(jù)的情況下，卷積核的生成算法。本文首先介紹了最新的深度學習研究進展，調(diào)研了業(yè)界流行的深度學習平臺與標準數(shù)據(jù)集，接著對神經(jīng)網(wǎng)絡與卷積神經(jīng)網(wǎng)絡基礎做出簡要描述。在卷積核的生成算法方面，首先介紹了卷積神經(jīng)網(wǎng)絡中的反向傳播算法，接著介紹了兩種用于特