卷积神经网络优化及其在图像识别中的应用

《卷积神经网络优化及其在图像识别中的应用》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、分类号：ＴＰ３９１密级：公开１０１４２ＵＤＣ：－单位代码：巧復Ｊ寺少、賓硕壬学位论文卷积神经网络优化及其在图像识别中的应用馨０Ｈ３３４学号：２作者：李媛媛量技术及仪器学科名称：测试计２０１６年２月２９日独创性说明本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加ｙＡ标注和致谢的地方外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得沈阳工业大学或其他教育机构的学位或证书所使用过的材料一同

2、工作。与我的同志对本研究所做的任何贡献均己在论文中做了明确的说明并表示了谢意。＞２＾別日签名：斗娩游日期：心１鮮；＾关于学位论文使用授权的说明本学位论文作者和指导教师完全了解沈阳工业大学有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部口或机构送交论文的复印件和电子版允许论文被查阅和借阅；本人授权沈阳工业大学可Ｗ将学位论文的全部或部分内容编入有关数据库进行检索、交流，可采用影印、缩印或其他复制手段保存论文和汇编本学位论文。（保密的论文在解密后应遵循此规定）签名：＾棘媒导师

3、签名：冰Ｖ疋日期：兰沈阳工业大学硕士学位论文卷积神经网络优化及其在图像识别中的应用TheOptimizationandApplicationofConvolutionNeuralNetworkforImageRecognition作者：李媛媛单位：信息科学与工程学院指导教师：张志佳副教授单位：沈阳工业大学协助指导教师：单位：单位：论文答辩日期：2016年2月28日学位授予单位：沈阳工业大学摘要卷积神经网络（ConvolutionalNeuralNetwork，即CNN）是一种基于多层监督学习的人工神经网络，它改善了传统模式

4、识别方法存在提取特征难的问题，它不仅具有传统神经网络的优点，较好的容错性、自适应性和自学习能力，并且还具有自动提取特征、权值共享的特点，因而被广泛应用于图像识别、物体检测与识别和目标跟踪等领域。卷积神经网络的应用过程中其网络结构优化是影响识别精度及效率的重要因素，研究CNN网络结构优化问题具有重要意义。论文对卷积神经网络的理论、特点、结构进行了深入研究，并分析了卷积神经网络中训练和测试的基本过程。对CNN识别过程中的网络结构层数及隐层特征图个数、卷积核大小、权值初始化、批量样本数和迭代次数等参数进行了深入研究，并给出了其取值方

5、法。在基于CNN的识别过程中，隐层特征图个数对识别精度影响较大；上一层特征图存在与下一层特征图关联性较小的样本数据，影响系统的识别精度。灰色关联分析法（GreyRelationalAnalysis，即GRA）具有能够挖掘数据之间内在关联度的特点，本文在网络训练过程中引入GRA以自动选择对识别结果影响较大的隐藏层特征图从而优化网络结构。本文通过输入图像的大小确定卷积核大小和网络结构层数，并使用实验的方式确定批量样本数和迭代次数，同时引用灰色关联分析法确定隐层特征图个数，从而确定网络结构及相关参数，用已确定好结构的CNN完成对手写

6、体数字识别和交通标志识别实验。实验结果表明使用灰色关联分析法确定后的隐层特征图个数符合实验方法确定的隐层特征图个数局部最优值，本文提出的方法能够自适应确定特征图个数，完成对CNN网络结构的优化。关键词：卷积神经网络，网络结构，灰色关联分析法，手写体数字，交通标志IAbstractConvolutionNeuralNetwork(CNN)isakindofartificialNeuralNetworkbasedonmultilayersupervisionlearningnetwork,andtheproblemoftradit

7、ionalpatternrecognitionmethodcanbeimprovedbyCNNtoextractfeatureseasily.Itnotonlyhastheadvantagesoftraditionalneuralnetwork,goodfaulttolerance,adaptabilityandself-learningability,butalsohastheabilityofautomaticfeatureextractionandthecharacteristicofweightsharing.Soit

8、hasbeenwidelyusedinthefieldofimagerecognition,objectdetectionandrecognitionandtargettracking,etc.Intheprocessofconvolutionalneuralnetwork,