基于深度神经网络的场景分类方法研究

《基于深度神经网络的场景分类方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：10406分类号：TP391.4学号:130081202001南昌航空大学硕士学位论文（学位研究生）基于深度神经网络的场景分类方法研究硕士研究生：张永义导师：储珺教授申请学位级别：硕士学科、专业：计算机软件与理论所在单位：软件学院答辩日期：2016.05.31授予学位单位：南昌航空大学ResearchonSceneClassificationMethodBasedonDeepNeuralNetworkADissertationSubmittedfortheDegreeofMasteronComputersoftwareandtheor

2、ybyZhangYongyiUndertheSupervisionofProf.ChuJunSchoolofsoftwareNanchangHangkongUniversity,Nanchang,ChinaMay31th,2016南昌航空大学硕士学位论文摘要摘要资金资助：本论文得到国家自然科学基金项目（No.61263046，2013.01-2016.12）的支持和资助场景分类，或场景识别，是场景理解领域一个重要的研究方向，其依据就是按照人类视觉的组织原理，将不同的场景图像按照其语义信息划为不同的类别。在场景分类领域，一直都是采取人工提取图像特

3、征的方式，这种方式提取特征单一，不能很好描述各类场景，导致场景分类精度较低低。深度学习理论是建立在人工智能的基础之上，能够有效的描述图像的语义信息，准确地判断场景与场景和目标与目标之间的差异性和相似性。基于此种原因，本文采用深度神经网络的方法去自适应提取图像特征。分别采用自编码神经网络、人工神经网络以及卷积神经网络等模型来构造场景分类的方法，并在原来框架的基础之上进行改进。本文构造了一种新的基于自编码网络的分类方法用来识别室内场景。传统的人工神经网络在一些简单的识别领域中，如车牌识别和手写字符识别，取得了较好的识别效果，但是应用到场景识别中，识

4、别效果不是很理想。针对这种情况，采用一种基于自编码神经网络由粗到精的分类方法，粗分类主要采用自编码神经网络进行预训练，人工神经网络粗识别；细分类则采用支持向量机进行分类，HOG特征作为图像描述子，并在MIT-67室内场景数据集上进行验证。本文构造了一种新的卷积神经网络框架。传统卷积神经网络网络结构规模较小，采用单标签值的方式进行监督训练，这种单标签的机制只适合表示简单的图像类别，不足以表示复杂场景的类别。针对这种问题，本文在传统卷积神经网络框架的基础上进行改进，卷积层和采样层分别采用ReLu激活函数和Maxpooling采样，设有四个卷积层和四

5、个采样层，一个全连接层，一个分类层，并采用一种多标签值的标签进行训练。整个训练和识别过程采用一个统一的框架，并在Scene-15场景集上进行验证。本文利用MATLAB2014B+DeepLearningmaster来完成实验设计，在自编码神经网络和人工神经网络的训练中，使用了L-BFGS算法库来调整权值。本文提出的两种方法分别用于室内场景和自然场景的分类与识别。由粗到精的分类方法更符合人类认识事物的规律，并且采用自编码神经网络预训练；卷积神经网络处理图像的方式和生物视觉相类似，采用扩展的网络结构和多标签值机制来改造网络。最后，本文的两种方法的测

6、试结果与其他文献进行了比较，结果证明本文的方法具有一定效果。关键字:场景分类，自编码，卷积神经网络，深度学习I南昌航空大学硕士学位论文ABSTRACTABSTRACTSceneclassification,orscenerecognition,isanimportantresearchdirectioninthefieldofsceneunderstanding.Accordingtoprincipleofhumancognitionperspective,differentsemanticimagescanbedividedintodiffe

7、rentcategoriesthroughsceneclassification.Inthefieldofsceneclassification,theapproachisthatextractingfeaturebyhuman.Thedisadvantageofthemethodistoextractthefeatureofasingle,cannotdescribevariouswellandhavealowaccuracy.Thetheoryofdeeplearningwhichisbasedonartificialintelligenc

8、ecannotonlyextractdeepfeatureofimages,butalsoeffectivelydescribethesemantic