论文--基于深度学习的图像目标类别检测研究与实现--孔冬荣20160522

图书分类号：密级：毕业设计(论文)基于深度学习的图像目标类别检测研究与实现RESEARCHANDIMPLEMENTATIONOFIMAGEOBJECTCATEGORYDETECTIONBASEDONDEEPLEARNING学生姓名孔冬荣学院名称信电工程学院学号20120508106班级12软嵌1专业名称计算机科学与技术指导教师鞠训光吕宝旺2016年6月3日徐州工程学院毕业设计(论文)I徐州工程学院学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用或参考的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标注。本人完全意识到本声明的法律结果由本人承担。论文作者签名：日期：年月日徐州工程学院学位论文版权协议书本人完全了解徐州工程学院关于收集、保存、使用学位论文的规定，即：本校学生在学习期间所完成的学位论文的知识产权归徐州工程学院所拥有。徐州工程学院有权保留并向国家有关部门或机构送交学位论文的纸本复印件和电子文档拷贝，允许论文被查阅和借阅。徐州工程学院可以公布学位论文的全部或部分内容，可以将本学位论文的全部或部分内容提交至各类数据库进行发布和检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。论文作者签名：导师签名：日期：年月日日期：年月日徐州工程学院毕业设计(论文)II摘要大数据时代使得数字图像的数量和规模与日俱增，给图像处理带来挑战。提高图像识别的效率和速率，对图像物体检测与识别具有一定的现实意义。深度学习DL（DeepLearning）是近几年热门的一种含有多层结构的深度神经网络。通过学习一种深层非线性网络结构，提高对复杂分类问题的泛化能力。由此而言，在图像检测难度较大的情况下，为达到更高的处理效率和准确率，运用深度学习技术便顺理成章。本选题将研究应用机器学习方法的最新成果--深度学习来实现目标类别检测。本文的主要工作包括：（1）查阅近年来的深度学习及目标检测的相关文献资料，了解深度学习和图像检测算法的国内外研究现状，概述深度学习的发展及其机理和训练方法，研究深度学习的Caffe框架及卷积神经网络、FastR-CNN等机理；（2）在Linux系统下搭建Caffe学习框架，应用CUDA并行架构，采用基于AlexNet网络的图像目标检测FastR-CNN模型，通过交替无监督和有监督学习训练网络，最终实现对图像目标人、猫、车、沙发等二十个类别的检测；（3）通过实验验证FastR-CNN在数据集PASCALVOC2007的检测效果较为理想，证实使用深度学习进行图像目标检测具有可行性和有效性。关键词目标类别检测；深度学习；卷积神经网络；FastR-CNN徐州工程学院毕业设计(论文)IIIAbstractBigdataerabringsgrowingnumberofimagesandthechallengesofimageprocessing.Improvingtheefficiencyandspeedofimagerecognitionhasacertainpracticalsignificanceoftheimageobjectdetectionandrecognition.DeepLearningDL(DeepLearning)ispopularinrecentyears.Ithasadeepneuralnetworkwithmulti-layerstructure.Bylearningadeepnonlinearnetworkstructure,thegeneralizationabilityofthecomplexclassificationproblemisimproved.Therefore,seeingthatimagedetectionisverydifficult,inordertoachievehigherprocessingefficiencyandaccuracy,wewouldusedeeplearningtechniquesnaturally.Thistopicwillstudytherecentapplicationofmachinelearningmethods--deeplearningtoachievethetargetcategorydetection.Themainworkofthispaperincludes:(1)Werefertotheliteratureinformationofdeeplearningandtargetdetectioninrecentyears,understandthedomesticandforeignresearchstatusofdeeplearningandimagedetectionalgorithm.Weprovideanoverviewofitsdevelopmentmechanismandtrainingmethodsdeeplearning,mechanismofitsframeworkCaffeandconvolutionalneuralnetworks,fastR-CNNetc;(2)WebuildaCaffelearningframeworkundertheLinuxsystem.UsingCUDAparallelarchitectureandimagetargetdetectionfastR-CNNmodelbasedonAlexNetnetwork,byalternatelyunsupervisedandsupervisedlearningtotrainthenetwork,weultimatelydetecttwentycategoriesofimagetargetsuchascats,cars,sofaandsoon;(3)TheexperimentalresultsshowthatthedetectioneffectofFastR-CNNonthedatasetPASCALVOC2007confirmthattheuseofdeeplearningforimagetargetdetectioniseffectiveandfeasible.KeywordsTargetclassdetectionDeeplearningConvolutionalneuralnetworkFastR-CNN徐州工程学院毕业设计(论文)I目录1绪论.............................................................................................................................................11.1课题背景...............................................................................................................................11.2研究目的及意义...................................................................................................................21.3国内外研究现状...................................................................................................................21.3.1国内研究现状.................................................................................................................21.3.2国外研究现状.................................................................................................................31.4论文组织结构.......................................................................................................................42深度学习相关技术.....................................................................................................................52.1深度学习概述.......................................................................................................................52.2深度学习机理及训练方法...................................................................................................62.2.1深度学习机理.................................................................................................................62.2.2深度学习训练方法.........................................................................................................62.3卷积神经网络CNN.............................................................................................................72.3.1卷积神经网络的网络结构.............................................................................................72.3.2卷积操作.........................................................................................................................82.3.3子采样（池化）操作.....................................................................................................92.4本章小结.............................................................................................................................103深度学习框架Caffe.................................................................................................................113.1