基于卷積神經(jīng)網(wǎng)絡(luò)的一般物體識別研究及應(yīng)用.pdf

1、隨著科技的進步和人類的發(fā)展，計算機視覺已經(jīng)成為人工智能領(lǐng)域中備受關(guān)注的研究領(lǐng)域。物體識別作為計算機視覺中的一個相當(dāng)重要的研究方向在醫(yī)學(xué)、現(xiàn)代工業(yè)、智能交通以及即將到來的無人駕駛中都有著十分廣泛的應(yīng)用。所以物體識別的研究對社會的發(fā)展和人類的進步都有著重大的研究意義。深度學(xué)習(xí)是機器學(xué)習(xí)的一個重要分支，目前已成為機器學(xué)習(xí)領(lǐng)域的研究熱點。卷積神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)中一個重要的方法，已經(jīng)在圖像識別、自然語言處理和語音識別等領(lǐng)域取得了巨大的成功。因此，

2、本文通過深入的研究和分析，提出了基于卷積神經(jīng)網(wǎng)絡(luò)的一般物體識別研究，本文的主要研究工作如下：
　　1)在對現(xiàn)有的卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)分析和研究的基礎(chǔ)上，對目前卷積神經(jīng)網(wǎng)絡(luò)中常用的激活函數(shù)Relu函數(shù)的優(yōu)缺點進行分析，針對Relu激活函數(shù)中的閾值為負的神經(jīng)元被完全抑制的問題，設(shè)計了使用Leaky Relu作為激活函數(shù)的卷積神經(jīng)網(wǎng)絡(luò)，實驗結(jié)果表明使用該激活函數(shù)可以有效地提高網(wǎng)絡(luò)的識別性能。
　　2)在分析卷積神經(jīng)網(wǎng)絡(luò)中常用的優(yōu)化算

3、法-隨機梯度下降算法的優(yōu)缺點的基礎(chǔ)上，為了解決隨機梯度下降算法中學(xué)習(xí)率設(shè)置的難題，提出了一種基于隨機梯度下降算法的學(xué)習(xí)率自適應(yīng)更新算法，詳細地描述了該算法的執(zhí)行過程。并實現(xiàn)了使用該算法的SGD--MSGD算法。通過與其它算法進行對比證明了MSGD算法不僅可以使網(wǎng)絡(luò)快速收斂，而且還提高了網(wǎng)絡(luò)學(xué)習(xí)的正確率，使網(wǎng)絡(luò)具有更好的收斂性。
　　3)在分析如何有效地運用卷積神經(jīng)網(wǎng)絡(luò)來對物體進行識別的研究下，設(shè)計并實現(xiàn)了用于物體識別的卷積神經(jīng)網(wǎng)絡(luò)