基于深度学习的影像分类的设计与实现开题报告

 2020-02-10 10:02

1. 研究目的与意义(文献综述)

人工智能(artificial intelligence,ai)是计算机模仿人类进行有智能的行动,研究像人类一样完成图像识别、语音处理、自动驾驶等智能任务方法的学科。1956年达特茅斯会议的举行,确定了人工智能的名称和任务,标志着人工智能学科的正式诞生。

深度学习作为ai的重要分支,是受到生物学和神经学领域在动物和人脑视觉神经领域的新发现的启发,模拟视觉系统的层次化的工作模式,利用人工神经网络模拟人脑计算,对数据进行特征分析与任务模型训练,解决类似人类的认识与决策问题的网络。自人工神经网络(neural network,nn)等概念源自二十世纪四十年代,在八十年代之后,反向传播算法(back propagation,bp)被成功应用在神经网络之中,至2006年,图形处理器(graphics processing unit,gpu)被用于加速卷积神经网络的训练过程。由此,掀起了一个新的神经网络研究热潮。深度学习在计算机学科的诸多领域中,尤其是在计算机视觉、自然语言处理等领域,具有巨大优势,己成为最重要的技术。2012年,geoffrey hinton的研究小组采用深度学习赢得了imagenet图像分类比赛,并将top5的错误率降到15.315%,在人工智能界引起了较大轰动,也掀起了深度学习的浪潮。同年,andrew ng领导的“google brain”项目将每1 6000台计算机连接形成巨大的网络,在观看youtube网站视频后,计算机成功地从图片中识别出猫,宣示其完美地模仿了人类智能活动。2013年百度成立研究院,并且成立了institue of deep learning(idl),微软、谷歌等拥有大数据的高科技公司投入大量的资源进行深度学习技术的研发,多伦多大学的geoffrey e hinton与微软合作,斯坦福大学的andrew y.ng和谷歌合作。深度学习在学术界和工业界受到了广泛的关注和重视,被《麻省理工学院技术评论》列为2013年十大突破性技术之首。2015年5月,nature为纪念人工智能60周年开辟了“人工智能与机器人”专题,回顾了过去的研究历程与当今的研究热点,其中深度学习作为一个热点被加以介绍。目前深度学习在国内外都受到广泛关注,新的深度学习算法源源不断地被提出,在不久的将来,深度学习会取得更多的成功。

影像分类基于图像识别,图像识别也就是图像的模式识别,是模式识别技术在图像领域的具体应用,是对输入的图像信息建立图像识别模型,分析并提取图像特征,然后建立分类器,根据图像的特征进行分类识别的一种技术。图像识别的主要目的是对图像、图片、景物、文字等信息经过处理和识别,来解决计算机和外部环境的直接通信过程。图像识别的发展经历了文字识别、数字图像处理与识别、物体识别三个阶段,简而言之,就是从简单到复杂的识别过程,而计算机处理速度的提升以及相应算法的改进为此提供了基础和便利,图像识别只要围绕“分类”这一共性来进行研究,根据一定的标准,把具有同一种属性的对象归为一类,具有另一共同属性的对象归为另一类,如对于阿拉伯数字需要分为10类,对于英文字母需要分为26类,对于数千个汉字就要分为数千类。另外,不同的分类标准将得到不同的分类结果,如按颜色分,按形状分,按其他属性分。图像识别主要由数据获取、数据处理以及判别分类三个环节组成。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

本论文的目的是设计并实现一个基于深度学习的交通标志分类系统。从一个事先准备好的交通标志数据集或一些常用开源数据集里面,完成分类训练,并实现输入一张交通标志照片给出分类结果和精确概率。

打算采用keras深度学习架构,底层使用tensorflow,采用yann lecun教授于1998年提出的卷积神经网络lenet-5模型。lenet-5模型的架构分为:卷积层、池化层、卷积层、池化层、全连接层、全连接层、全连接层7个层次,完成本项目需要先安装cuda、cudnn、anaconda、tensorflow、keras、opencv等软件,采用python语言进行编码。

具体实现可分为3个模块:

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究计划与安排

(1)2019/1/19—2018/2/28:确定选题,查阅文献,外文翻译和撰写开题报告;

(2)2018/3/1—2018/4/30:系统架构、程序设计与开发、系统测试与完善;

(3)2018/5/1—2018/5/25:撰写及修改毕业论文;

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献(12篇以上)

[1]余凯,贾磊,陈雨强,等.深度学习的昨天,今天和明天[j].计算机研究与发展2013,50(9):1799-1804.

[2]孙志军,薛磊,许阳明,等.深度学习研究综述[j].计算机应用研究,2012,29(8):2806-2810.

[3]冯诺依曼 原著,甘子玉 译.计算机与人脑[m].北京:北京大学出版社,2010.

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。