基于卷积神经网络的图像识别算法-PPT.ppt

《基于卷积神经网络的图像识别算法-PPT.ppt》由会员分享，可在线阅读，更多相关《基于卷积神经网络的图像识别算法-PPT.ppt（14页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、基于卷积神经网络的图像识别算法指导老师：-汇 报 人：-1大家好卷积神经网络原理图像分类算法设计与实现图像分类概述2大家好图像分类目标图像分类就是根据不同图像的特征，把图像按照内容的不同分成不同类别Cat Or Non-Cat？3大家好方法选择支持向量机（SVM）是比较经典的用于分类的机器学习方法，即使在样本数量很少的情况下，也能得到相对好的结果，并且，由于最终分类器分类超平面的确定，只与有限的几个“支持向量”有关，训练速度比较快。卷积神经网络（CNN）是一种多层感知机，对于图像来说，相邻像素的相似度一般来说高于相隔很远的两个像素，卷积神经网络结构上的优越性，使得它可以更关注相邻像素的关系，而

2、对相隔一定距离的像素之间的连接进行了限制。所以，卷积神经网络的这种结构，符合图像处理的要求，也使卷积神经网络在处理图像分类问题上有天然的优越性K 最近邻算法（KNN）是无监督的学习方法，无需预先进行标注，不需要确定样本的类别，甚至无需知道所获得的数据可以分为几类。对于类域有交叉或者重叠的分类任务更适合。4大家好卷积神经网络我们假设对一张32*32 的彩色图片，有三个通道，所以用一个32*32*3 的矩阵就能表示这样的图片，然后对该图片进行均匀分割，分割成了6*6=36 张小图片，将每个独立的小图片输入神经网络，对个通道做同样的操作，最终形成特征向量。为了保证图像局部的特征，并过滤掉那些距离较远

3、的无关特征，采用了权值共享的策略。所谓权值共享，就是指在图片同一位置的权重是相同的，这样做不仅仅是出于减少参数个数的考虑，还结合了图像本身的特点 相邻像素间的相关关系总是大于相隔较远像素之间的关系5大家好卷积神经网络下采样相当于特征的降维，在降维的同时保证了一定程度的尺度不变特性。即使经过了一定的平移和变换，对应的下采样特征可能还是相同的。下采样保留了最重要的特征，丢弃了相对不重要的特征，不仅减少了参数的数量，还减少了过拟合的风险。6大家好卷积神经网络图像分类基本流程7大家好实验环境8大家好数据来源及文件组织9大家好构建卷积神经网络输入实验所用的数据是32*32的三通道彩色图像，为了平衡算法性能和稳定性，设置了如图所示结构的卷积神经网络，较小的卷积核可以保证算法的效率，同时较深的结构又保证了算法能够有效地抽象出图像的特征10大家好构建卷积神经网络输入每个卷积层之后都有一个ReLU 层，最终总体的CNN 网络结构，由一个输入层和两个图上的结构，一个全连接层和一个Softmax 层和输出层组成11大家好实验结果12大家好请各位老师批评指正13大家好Bye Bye14大家好