資源描述：
《深度學習在圖像識別中的應用》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。
1、工程碩士學位論文深度學習在圖像識別中的應用孟曄哈爾濱理工大學2018年3月國內圖書分類號：TP391.4工程碩士學位論文深度學習在圖像識別中的應用碩士研究生：孟曄導師：王小玉申請學位級別：工程碩士工程領域：計算機技術所在單位：計算機科學與技術學院答辯日期：2018年3月授予學位單位：哈爾濱理工大學ClassifiedIndex：TP139.4DissertationfortheMasterDegreeinEngineeringApplicationofDeepLearninginImageRecognitionCandidate：MengYeSupervisor：WangXiaoyuAc
2、ademicDegreeAppliedfor：MasterofEngineeringSpecialty：ComputertechnologyDateofOralExamination：March,2018University：HarbinUniversityofScienceandTechnology哈爾濱理工大學碩士學位論文原創(chuàng)性聲明本人鄭重聲明：此處所提交的碩士學位論文《深度學習在圖像識別中的應用》，是本人在導師指導下，在哈爾濱理工大學攻讀碩士學位期間獨立進行研究工作所取得的成果。據(jù)本人所知，論文中除已注明部分外不包含他人已發(fā)表或撰寫過的研究成果。對本文研究工作做出貢獻的個人和集體，
3、均已在文中以明確方式注明。本聲明的法律結果將完全由本人承擔。作者簽名：孟曄日期：2018年3月15日哈爾濱理工大學碩士學位論文使用授權書《深度學習在圖像識別中的應用》系本人在哈爾濱理工大學攻讀碩士學位期間在導師指導下完成的碩士學位論文。本論文的研究成果歸哈爾濱理工大學所有，本論文的研究內容不得以其他單位的名義發(fā)表。本人完全了解哈爾濱理工大學關于保存、使用學位論文的規(guī)定，同意學校保留并向有關部門提交論文和電子版本，允許論文被查閱和借閱。本人授權哈爾濱理工大學可以采用影印、縮印或其他復制手段保存論文，可以公布論文的全部或部分內容。本學位論文屬于保密，在年解密后適用授權書。不保密√。(請在以上
4、相應方框內打√)作者簽名：孟曄日期：2018年3月15日導師簽名：王小玉日期：2018年3月16日深度學習在圖像識別中的應用摘要圖像識別是人工智能領域的一個重要課題。圖像識別主要包含特征提取和分類識別，而其中，特征提取是圖像識別技術發(fā)展的瓶頸問題，識別性能的好壞主要是靠特征提取判別。深度學習操作應用于內外場景數(shù)據(jù)集的深度估計，對圖像中個別物質識別并優(yōu)化，提供給其他帶有微小的修改等圖像去噪和去模糊的視覺軟件并且在傳統(tǒng)視覺數(shù)據(jù)集中的視覺任務得到充分發(fā)揮，使得操作更便捷。本文主要是將深度學習方法應用于特征提取問題中解決圖像識別，改進深度置信網絡算法并利用小波分塊的顏色特征提取的特性預處理圖像，
5、以達到優(yōu)化目標。本文主要研究深度學習在圖像識別方面的可操作性，以及深度學習中兩個重要的網絡模型，分別是近期被大多數(shù)學者廣泛使用的卷積神經網絡，可以實現(xiàn)無監(jiān)督特征學習的深度置信網絡，對它們的網絡結構和訓練方法展開深入的研究。分析了深度學習在顏色特征提取方面的應用，提出了新的特征提取算法，并在相關圖像數(shù)據(jù)集上實驗論證。簡要介紹卷積神經網絡（ConvolutionalNeuralNetworks，CNNs）基礎理論框架和訓練的基本流程以及在運用卷積神經網絡的結構。卷積神經網絡操作的目的是要保證有用信息不丟失的同時要降低數(shù)據(jù)操作處理的數(shù)量，便于分析本文主要研究對象在圖像識別中的效果和作用，同時有
6、一個很顯著的缺點，那就是訓練時間過長，而深度置信網絡（DeepBeliefNetworks，DBNs）模型具有減少訓練難度和時間的功能。本文主要成果是改進了深度置換網絡的算法，擴大應用領域，提高處理效率，并且利用小波分塊顏色特征提取特性提升深度置信網絡算法提取特征能力，將多項邏輯回歸作為最終分類器。實驗結果表明，本文使用方法在節(jié)約時間的前提下，基本達到了同類圖像識別算法的實驗成效。關鍵詞深度學習；圖像識別；深度置信網絡；特征提取-I-ApplicationofDeepLearninginImageRecognitionAbstractImagerecognitionisanimporta
7、nttopicinthefieldofartificialintelligence.Imagerecognitionmainlyincludesfeatureextractionandclassificationidentification.Amongthem,featureextractionisthebottleneckproblemofthedevelopmentofimagerecognitiontechnology,and
