基于深度神經(jīng)網(wǎng)絡(luò)的圖像識別系統(tǒng)的研究與改進(jìn).pdf_第1頁
已閱讀1頁,還剩62頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、深層人工神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)跟生物神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)類似,可以很好的適用于圖像識別這個問題。目前,關(guān)于將深度神經(jīng)網(wǎng)絡(luò)應(yīng)用在圖像識別問題上已經(jīng)取得了很多令人振奮的成果,然而距離將深度神經(jīng)網(wǎng)絡(luò)投入諸如圖像檢索、圖像標(biāo)注、圖文轉(zhuǎn)換等實(shí)際應(yīng)用中還有很多問題需要克服。本文針對深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行研究,改進(jìn)了常用的訓(xùn)練算法,同時針對不同的應(yīng)用場景,提出了兩種新的神經(jīng)網(wǎng)絡(luò)模型。
  首先,本文針對深度神經(jīng)網(wǎng)絡(luò)在圖像識別領(lǐng)域上的應(yīng)用進(jìn)行了詳細(xì)的研究,并提出了

2、一系列改進(jìn)算法提升了現(xiàn)在最優(yōu)模型的性能。在參與相關(guān)評測比賽中獲得了不錯的成績。基于本文改進(jìn)算法,設(shè)計實(shí)現(xiàn)了一個在線圖像識別系統(tǒng)。
  在使用大規(guī)模搜索引擎用戶點(diǎn)擊數(shù)據(jù)訓(xùn)練高級圖像特征得過程中,本文發(fā)現(xiàn)搜索引擎的用戶點(diǎn)擊數(shù)據(jù)不同于人工標(biāo)注的訓(xùn)練數(shù)據(jù),它具有數(shù)據(jù)分布不均衡、同義類別數(shù)據(jù)較多等問題,而這些問題對多分類神經(jīng)網(wǎng)絡(luò)的訓(xùn)練有很大影響,基于這些問題,本文提出了一種適用于實(shí)際數(shù)據(jù)分布情況的基于多任務(wù)深度神經(jīng)網(wǎng)絡(luò)的圖像高級特征學(xué)習(xí)方法

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論