發(fā)布時間：2024-06-02 16:47

　　近十多年來,人工智能技術(shù)的迅猛發(fā)展,推動了計算機視覺技術(shù)廣泛且成功地應(yīng)用于現(xiàn)實生活。傳統(tǒng)上簡單的物體分類已經(jīng)無法滿足現(xiàn)實需求,富有挑戰(zhàn)的細粒度圖像識別問題成為計算機視覺領(lǐng)域的熱點方向。通常,細粒度數(shù)據(jù)集中具有類間區(qū)分度弱、類內(nèi)區(qū)分度強的特性,要求算法能分辨更多的圖像細節(jié)。依托200類鳥類數(shù)據(jù)集(CUB200-2011)及自建的中國東洞庭湖濕地水鳥數(shù)據(jù)集,本文開展了基于深度學(xué)習(xí)的鳥類細粒度識別算法研究及微信小程序?qū)崿F(xiàn)工作。主要工作如下:1.對鳥類細粒度識別的國內(nèi)外研究現(xiàn)狀進行了梳理與綜述,闡述了該項研究的主要問題以及未來發(fā)展。2.為應(yīng)對國內(nèi)公開鳥類圖像數(shù)據(jù)集缺乏的情況,建立了東洞庭湖136類水鳥數(shù)據(jù)集,并對數(shù)據(jù)集中樣本進行了詳細標(biāo)注。3.提出了一種基于父類mask特征聯(lián)合神經(jīng)網(wǎng)絡(luò)(CF-CNN)算法。該算法主要有兩點創(chuàng)新:第一,將鳥類細粒度類別作為子類,鳥類整體歸為父類,利用預(yù)訓(xùn)練的分割網(wǎng)絡(luò)模型獲取父類mask信息,將mask信息作為attention信息對分類網(wǎng)絡(luò)特征進行特定區(qū)域增強操作;第二,認為細粒度類別應(yīng)當(dāng)更關(guān)注顏色、線條等底層特性,提出通過底層信息再利用的方式加強模型效果。最終...

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１單層感知機簡單結(jié)構(gòu)圖??７??

使得整個人工神經(jīng)??網(wǎng)絡(luò)結(jié)構(gòu)能通過編程語言控制或?qū)懭胗布�設(shè)備。在各種人工神經(jīng)網(wǎng)絡(luò)方法中??ＢＰ（ｂａｃｋ?ｐｒｏｐａｇａｔｉｏｎ）網(wǎng)絡(luò)是最經(jīng)典的人工神經(jīng)網(wǎng)絡(luò)之一，接下來本章將對ＢＰ網(wǎng)??絡(luò)進行介紹。??２．１．１單層神經(jīng)元結(jié)構(gòu)??對于人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，它的核心處理單元叫做神經(jīng)元。....

圖２．?２多層感知器結(jié)構(gòu)圖??

?第二章深度學(xué)習(xí)技術(shù)簡介???單層感知機的核心計算公式如２－１所示。??（ｓｆｌ?ｉｆ?ｗ－ｘ?＋?ｂ＞０??／（ｘ）｜〇?ｏｔｈｅｒｗｉｓｅ?（２＿丨）??ｍ公式中代表權(quán)重的大小，６是偏置項。６功能是避免過擬合的發(fā)生。ｗｘ??為ｍ代表輸入結(jié)構(gòu)的數(shù)量，ｘ代表數(shù)值用于輸入。通常在簡....

圖２．?３簡單Ｂ－Ｐ神經(jīng)網(wǎng)絡(luò)模型圖??如圖２．３所示，最左邊的３個單元為輸入單元，輸入是一個由ｘｐｘ２，：ｃ３組成??

層神??經(jīng)網(wǎng)絡(luò)類似，區(qū)別在于增加了反向傳播的過程。ＢＰ神經(jīng)網(wǎng)的運算過程主要有三??點，第一步執(zhí)行與多層神經(jīng)網(wǎng)絡(luò)相同的正向傳播過程，第二步通過第一步得到的??輸出值與真實值進行比較，計算輸出值與真實值的差并進行反向傳播更新參數(shù)。??第三部步每輸入一部分樣本數(shù)據(jù)就重復(fù)第一二步，直到差....

圖２．４?ＢＰ算法流程圖??２．２卷積神經(jīng)網(wǎng)絡(luò)算法??目前計算機視覺領(lǐng)域中，研宄人員運用最廣泛的神經(jīng)網(wǎng)絡(luò)算法就是卷積神經(jīng)??網(wǎng)絡(luò)算法

?第二章深度學(xué)習(xí)技術(shù)簡介???集中單個樣本誤差的累加和。??在研究ＢＰ神經(jīng)網(wǎng)絡(luò)的過程中研究人員也發(fā)現(xiàn)了它的幾點缺陷：第一，ＢＰ??神經(jīng)網(wǎng)絡(luò)有訓(xùn)練至局部最小化的可能性，這會使得最后的模型無法達到最優(yōu)解；??第二，ＢＰ神經(jīng)網(wǎng)絡(luò)由于參數(shù)眾多會導(dǎo)致訓(xùn)練時間比較長久，并且對硬件要求也??比....

本文編號：3987523