收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

面向图像目标识别和检测的深度神经网络关键技术研究

李扬  
【摘要】:近年来,人工智能相关领域再次进入了人们的视野,得到了学术界、工业界的共同关注,成为了当前国际竞争的新焦点。在众多人工智能应用当中,图像目标识别和检测是关键技术,也是计算机视觉领域的热点研究课题。目标识别的核心任务是判别图像中的目标类型(分类问题),而检测问题通常可归约为给定图片下的多目标识别问题。目标识别问题通常采用机器学习算法解决,在图像特征上训练分类模型。因此设计鲁棒的、表达能力强的特征是目标识别的关键和重要研究内容。也因此,特征提取算法成为了计算机视觉众多应用领域的关键共性技术。随着深度学习技术的突破,以卷积神经网络进行特征学习逐渐取代了以专家知识和经验驱动的手工设计特征,成为了处理图像目标识别和检测任务的基本方法。但这也同时引入了一些新的挑战,具有代表性的是,更有效的网络结构设计、利于训练深层网络的优化方法,和变换不变的卷积特征表示。针对上述挑战性问题,论文以卷积神经网络的特征学习为切入点展开研究,在神经网络的功能单元,权重初始化方法及特征不变性三个方面进行深入分析和探讨。论文的主要研究内容和创新工作如下:1.针对现有非线性单元由于数学性质差异而产生的表达鸿沟问题,提出了一种参数可学习的指数非线性单元。现有非线性单元在数学性质上的差异使得表示能力存在一个鸿沟,影响了神经网络的非线性建模能力。为此,论文提出了一种参数可学习的指数非线性单元。该方法采用两个参数控制指数函数的饱和值和饱和位置,并通过端到端优化参数来控制函数形状,使得输入输出的线性与非线性关系可以在同一个模型中描述,从而解决了表达鸿沟问题。本文在不同规模的数据集上验证了该方法有助于模型泛化能力的提升。从视觉任务处理角度看,该方法具有一定的通用性,不仅适用于图像目标识别和检测任务,也为其他应用提供了一种可选方法。2.针对现有初始化方法在理论上受限于非线性单元类型的问题,提出了一种卷积神经网络的权重初始化方法。现有权重初始化方法在理论推导过程中需考虑非线性单元的函数形式,隐含高次项的非线性单元会使得方程难以求解。论文通过对非线性单元取一阶泰勒近似,降低了理论推导过程中的方程求解难度,使得更多类型的深层神经网络在初始化问题上也可以求得解析解。该方法虽然会产生一定的误差,但论文从理论、数据两方面验证了该误差在初始化阶段是可忽略的。该方法的理论意义使得深层网络的结构设计可以有更多的选择,也为初始化理论的进一步扩展提供部分借鉴。3.针对卷积特征对大范围空间变换较为敏感的问题,提出了变换不变卷积特征的表示学习方法。对于特征不变性问题,数据增广、变换不变池化算法均是有效的方法,但各自优缺点不同。前者以数据驱动引入特征不变性,但需要延长训练时间和增大模型容量。后者通过像素式最大池化进行特征学习,但对未知变换的泛化能力不强。将两种方法结合,可以取长补短。据此本文设计了丢弃变换网络表示学习框架。该方法在样本输入时引入多种随机变换,并在特征融合阶段采用池化算子按照给定策略筛选特征,最终输出变换不变卷积特征。本文在多个具有变换噪声的数据集上进行实验,验证了该方法的有效性。该方法增强了卷积特征对多种变换的不变性,为研究学者处理视觉识别问题提供了一种可选方法。


知网文化
【相似文献】
中国期刊全文数据库 前16条
1 胡悦;;金融市场中的神经网络拐点预测法[J];金融经济;2017年18期
2 吴立可;;脉冲神经网络和行为识别[J];通讯世界;2018年12期
3 迟惠生;陈珂;;1995年世界神经网络大会述评[J];国际学术动态;1996年01期
4 王丽华;杨秀萍;王皓;高峥翔;;智能双轮平衡车的设计研究[J];数字技术与应用;2018年04期
5 张庭略;;基于硬件的神经网络加速[J];通讯世界;2018年08期
6 苏秀婷;;耦合神经网络的同步[J];绍兴文理学院学报(自然科学);2016年03期
7 朱溦;;神经网络结合平均影响值方法筛选变量[J];产业与科技论坛;2017年01期
8 ;硅光子神经网络亮相[J];石油工业计算机应用;2016年04期
9 任刚红;杜坤;周明;刘年东;张晋;;基于级联神经网络的年降雨量预测[J];土木建筑与环境工程;2016年S2期
10 金鑫;李龙威;季佳男;李祉歧;胡宇;赵永彬;;基于大数据和优化神经网络短期电力负荷预测[J];通信学报;2016年S1期
11 陈明;张凤荣;肖茜文;;基于灰色系统神经网络的中国低碳能源供需形势分析[J];生态经济;2017年02期
12 张国玲;;基于情感神经网络的风电功率预测[J];电信科学;2017年03期
13 梁燕华;张传斌;;基于神经网络数据融合实现火灾预警[J];科技传播;2017年04期
14 曾维亮;林志贤;陈永洒;;基于卷积神经网络的智能冰箱果蔬图像识别的研究[J];微型机与应用;2017年08期
15 吴志军;张景安;岳猛;张才峰;;基于联合特征的LDoS攻击检测方法[J];通信学报;2017年05期
16 张琳;;基于神经网络的微博话题预测及分析[J];数字技术与应用;2017年03期
中国重要会议论文全文数据库 前10条
1 孙军田;张喆;;基于神经网络数据挖掘技术确定灾害等级的灭火救援出动力量模型研究[A];2016中国消防协会科学技术年会论文集[C];2016年
2 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年
3 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
4 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
5 李涛;费树岷;;具有变时滞Cohen-Grossberg神经网络的指数稳定性准则[A];第二十六届中国控制会议论文集[C];2007年
6 汪灵枝;秦发金;;具有变时滞和脉冲的离散Cohen-Grossberg神经网络的周期解[A];中国自动化学会控制理论专业委员会D卷[C];2011年
7 韩正之;林家骏;;用神经网络求解非线性相容方程[A];1993年控制理论及其应用年会论文集[C];1993年
8 林家骏;王赞基;;求解不可微优化问题的连续极大熵神经网络[A];1998年中国智能自动化学术会议论文集(上册)[C];1998年
9 姜德宏;徐德民;任章;;基于神经网络的自校正控制器[A];1993中国控制与决策学术年会论文集[C];1993年
10 窦永丰;贝超;;模糊与神经网络结合方式及在控制中的应用[A];1997年中国控制会议论文集[C];1997年
中国博士学位论文全文数据库 前10条
1 李一鸣;结合知识和神经网络的文本表示方法的研究[D];浙江大学;2018年
2 LYDIA LAZIB;文本否定范围识别技术研究及其应用[D];哈尔滨工业大学;2018年
3 周小强;基于深度学习的交互式问答技术研究[D];哈尔滨工业大学;2017年
4 刘梅;网络系统的稳定和同步行为研究[D];新疆大学;2017年
5 李若霞;基于忆阻的神经网络的动力学分析及应用[D];东南大学;2017年
6 项延德;基于卷积神经网络的心电信号检测和分类研究[D];浙江大学;2018年
7 孔颖;终态神经网络及其相关应用[D];浙江工业大学;2017年
8 李扬;面向图像目标识别和检测的深度神经网络关键技术研究[D];北京邮电大学;2018年
9 李皈颖;深度模型简化:存储压缩和计算加速[D];中国科学技术大学;2018年
10 靳然;基于神经网络和支持向量机的麦蚜发生动态预测研究[D];山西农业大学;2017年
中国硕士学位论文全文数据库 前10条
1 谢良才;基于BP神经网络的煤热解特性及煤灰熔融特性研究[D];西北大学;2018年
2 张旭;基于VMD-神经网络输气管道的工况分类研究[D];东北石油大学;2018年
3 孙昊;粒子群神经网络在供水管线腐蚀预测中的应用研究[D];东北石油大学;2018年
4 严寒;基于卷积神经网络的图像分类算法研究[D];西北大学;2018年
5 季静;融合多重语义对齐表示的机器阅读理解研究[D];南京师范大学;2018年
6 尹化荣;基于卷积神经网络的情感分类算法研究[D];西北大学;2018年
7 邹鑫;基于卷积神经网络的图像分类算法研究[D];西北师范大学;2018年
8 李婷玉;基于神经网络的输油管道腐蚀预测研究与实现[D];华北理工大学;2018年
9 赵士超;基于神经网络的LIBS钢水成分在线检测[D];华北理工大学;2018年
10 曹雲梦;基于BP神经网络的轨道电路故障诊断[D];华北理工大学;2018年
中国重要报纸全文数据库 前10条
1 记者 刘霞;忆阻器制成神经网络更高效[N];科技日报;2017年
2 整理 本报记者 诸玲珍 顾鸿儒;微软神经网络切割法可使加速作用超线性[N];中国电子报;2018年
3 ;神经网络小史[N];电子报;2018年
4 张敏;人机大战,到底谁会赢?[N];北京日报;2017年
5 ;人工智能将取得大面积突破[N];中国企业报;2017年
6 本报记者 龚丹韵;人机大战:人类还有优势吗[N];解放日报;2017年
7 ;人类正迎来云端机器人时代[N];中国企业报;2017年
8 张斌;谁还需要“同传”[N];文汇报;2017年
9 科大讯飞董事长 刘庆峰;高考机器人考入一流大学不再是梦[N];中国教育报;2017年
10 邓洲 中国社会科学院工业经济研究所;深度学习:人工智能进入应用阶段[N];上海证券报;2017年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978