結(jié)合協(xié)同訓(xùn)練的深度圖像分類網(wǎng)絡(luò).pdf

1、近十年來，深度學(xué)習(xí)作為一種強(qiáng)有力的目標(biāo)表征結(jié)構(gòu)，在特征提取、數(shù)據(jù)分析、圖像處理和自然語言理解等領(lǐng)域取得了較以往淺層表征更優(yōu)越的結(jié)果。深度學(xué)習(xí)的訓(xùn)練算法解決了多隱層感知器模型的最優(yōu)化問題，其擁有更加強(qiáng)大的數(shù)據(jù)特征表達(dá)能力。其中，具有局部感知和共享權(quán)值等特點(diǎn)的卷積神經(jīng)網(wǎng)絡(luò)在圖像局部特征理解和網(wǎng)絡(luò)訓(xùn)練時(shí)間上更具優(yōu)勢(shì)。圖像大數(shù)據(jù)應(yīng)用的蓬勃發(fā)展也使得以卷積神經(jīng)網(wǎng)絡(luò)為代表的深度網(wǎng)絡(luò)在千萬級(jí)的圖像分類任務(wù)中發(fā)揮了及其重要的應(yīng)用價(jià)值。
　　本文在

2、深入研究了主流深度學(xué)習(xí)算法的原理和網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上，總結(jié)和介紹了深度卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn)和訓(xùn)練流程，并將卷積神經(jīng)網(wǎng)絡(luò)運(yùn)用到實(shí)際圖像識(shí)別任務(wù)中。此外，考慮到實(shí)際分類任務(wù)場景復(fù)雜性，本文結(jié)合協(xié)同訓(xùn)練算法和卷積神經(jīng)網(wǎng)絡(luò)，構(gòu)建了一種能持續(xù)自動(dòng)學(xué)習(xí)新特征的通用圖像目標(biāo)分類方法。主要工作如下：
　　1）在理解傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)算法原理的基礎(chǔ)上，深入研究了卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn)，并介紹了卷積神經(jīng)網(wǎng)絡(luò)使用梯度下降法的訓(xùn)練流程。
　　2）將卷

3、積神經(jīng)網(wǎng)絡(luò)應(yīng)用于手寫體圖像識(shí)別實(shí)驗(yàn)中，通過實(shí)驗(yàn)進(jìn)一步直觀驗(yàn)證了卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖像數(shù)據(jù)優(yōu)越的表征能力，并觀察不同的網(wǎng)絡(luò)參數(shù)對(duì)卷積神經(jīng)網(wǎng)絡(luò)分類效果的影響。
　　3）結(jié)合協(xié)同訓(xùn)練算法和卷積神經(jīng)網(wǎng)絡(luò)，構(gòu)建了一種能夠自動(dòng)學(xué)習(xí)新特征的通用目標(biāo)分類網(wǎng)絡(luò)；通過標(biāo)記置信度的約束和去噪訓(xùn)練算法的優(yōu)化，提高了深度協(xié)同訓(xùn)練網(wǎng)絡(luò)的魯棒性。
　　4）將深度協(xié)同訓(xùn)練網(wǎng)絡(luò)應(yīng)用于基于圖像的性別識(shí)別和人車分類實(shí)驗(yàn)中，通過與傳統(tǒng)協(xié)同訓(xùn)練算法分類效果的對(duì)比，總結(jié)了