基于深度学习的图像分类研究

《基于深度学习的图像分类研究》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、基于深度学习的图像分类研究作者姓名雷晓静指导教师姓名、职称王保保教授申请学位类别工学硕士万方数据万方数据学校代码10701学号1403121708分类号TP391密级公开西安电子科技大学硕士学位论文基于深度学习的图像分类研究作者姓名：雷晓静一级学科：计算机科学与技术二级学科：计算机应用技术学位类别：工学硕士指导教师姓名、职称：王保保教授学院：计算机学院提交日期：2017年6月万方数据万方数据ResearchonImageClassificationBasedonDeepLearningAthesissubmittedtoXIDIANUNIVER

2、SITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinComputerApplicationTechnologyByLeiXiaojingSupervisor:WangBaobaoTitle:ProfessorJune2017万方数据万方数据西安电子科技大学学位论文独创性（或创新性）声明秉承学校严谨的学风和优良的科学道德，本人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，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表

3、或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同事对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文若有不实之处，本人承担一切法律责任。本人签名：日期：西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权属于西安电子科技大学。学校有权保留送交论文的复印件，允许查阅、借阅论文；学校可以公布论文的全部或部分内容，允许采用影印、缩印或其它复制手段保存论文。同时本人保证，结合学位论文研究

4、成果完成的论文、发明专利等成果，署名单位为西安电子科技大学。保密的学位论文在年解密后适用本授权书。本人签名：导师签名：日期：日期：万方数据万方数据摘要摘要图像是人类感知事物的视觉基础，人们可以通过图像从外界获得重要信息，因此让机器自动完成图像识别、分类具有重要意义。图像分类最重要的部分就是特征提取，研究高效的特征提取算法在图像领域至关重要。近年来，深度学习算法在图像分类方面取得了突破性进展，它通过建立、模拟人脑的分层结构，对外部输入的声音、图像、文本等数据进行从低级到高级的特征提取，从而得到更准确且接近物体高级语义的特征，所以深度学习在图像分类

5、领域具有广阔的应用空间，尤其是卷积神经网络（CNN），是一种识别率很高的深度学习模型，其优点是能够直接与图像像素进行卷积，从图像像素中提取图像特征，另外，卷积神经网络的权值共享属性和池化层使网络需要训练的参数大大减小，简化了网络模型，提高了训练的效率。Caffe框架作为当前主流的深度学习框架，其在工业界以及学术界得到了广泛应用。在本文中，使用了Caffe框架对自己的图像数据集进行了训练与预测，并使用Caffe的python接口对卷积层的特征以及全连接层的输出进行了可视化，并且做了分析和研究。Siamese网络是一种孪生神经网络结构，它拥有两个相

6、同的神经网络，且它们共享着权值，所以输入必须是成对样本，要么是相同类别的正样本，要么是不同类别的负样本。它的作用是可以把图片信息映射到低维的特征空间，因此Siamese网络也可以用于降维。本文基于它的对比损失函数对其样本的输入做了两点改进，第一种是对输入样本进行了重组，重组方法是在批量随机梯度下降（SGD）的分组中，寻找特征距离最远的正样本或特征距离最远的负样本，使它们组合在一起，从而使每个样本对都发挥其最大作用；第二种是丢弃无意义的输入样本对，在训练到一段时间后，有些负样本对的特征距离已经超过阈值margin，这时可将其丢弃以避免使它无意义地

7、送入网络计算。本文使用Caffe完成了这两个创新点内容的代码编写并进行了实验结果的分析，在实验中，使用了MNIST手写体数据集，利用Siamese网络将其特征映射到平面空间，并进行了直观性的数据分布展示。对于实验结果的评测，本文采用了Testloss曲线以及Accuracy曲线作为评测手段，对原始方法和改进方法进行了量化的评测，实验证明，通过这两点改进使得Siamese网络分别在准确率和速度上有所提升。关键词：图像分类，深度学习，Siamese网络，样本重组，样本丢弃，CaffeI万方数据西安电子科技大学硕士学位论文II万方数据ABSTRACT

8、ABSTRACTImagesarethevisualbasicsforpeopletoperceivetheenvironment.Peoplecan