基于深度學(xué)習(xí)的Logo識(shí)別研究.pdf

1、隨著計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展，越來(lái)越多的圖像識(shí)別技術(shù)應(yīng)用在實(shí)際的生活中。而Logo則代表了企業(yè)信息的重要標(biāo)志，圖像和視頻中的Logo識(shí)別成為了一個(gè)重要的課題，其應(yīng)用前景已變得十分廣泛，例如盜版侵權(quán)檢測(cè)，廣告上下文設(shè)計(jì)，智能交通控制系統(tǒng)，社交媒體中品牌相關(guān)信息自動(dòng)統(tǒng)計(jì)，AR等。然而傳統(tǒng)算法在性能和效率上遠(yuǎn)不能滿足這些應(yīng)用。隨著人工智能的發(fā)展，深度學(xué)習(xí)成為了近年來(lái)人工智能領(lǐng)域取得的重大突破之一，傳統(tǒng)的目標(biāo)檢測(cè)課題大都可移步于深度學(xué)習(xí)的研究。深度

2、學(xué)習(xí)算法相較于傳統(tǒng)算法表現(xiàn)出了較大的優(yōu)越性。目前來(lái)說(shuō)，深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)(CNN)方法已經(jīng)在圖像分類(lèi)、人臉識(shí)別、行人檢測(cè)等方面取得了顯著的成效，并獲得了廣泛的應(yīng)用。
　　本文主要介紹了深度學(xué)習(xí)在Logo識(shí)別上的探索研究。首先介紹了傳統(tǒng)算法在Logo識(shí)別上的研究現(xiàn)狀和深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)近年來(lái)發(fā)展的研究現(xiàn)狀。在這基礎(chǔ)之上，研究和完成深度學(xué)習(xí)課題實(shí)驗(yàn)，并設(shè)計(jì)開(kāi)發(fā)一套基于實(shí)驗(yàn)結(jié)果的web展示系統(tǒng)。本文主要工作有:
　　1、詳

3、細(xì)分析了傳統(tǒng)算法中的常用特征模型和常用分類(lèi)器，結(jié)合課題作出可行性分析，并引出神經(jīng)網(wǎng)絡(luò)，闡述了CNN在圖像分類(lèi)上的優(yōu)勢(shì)所在。
　　2、著重介紹了近年來(lái)CNN算法的發(fā)展，并選擇性能更加均衡的faster-rcnn算法進(jìn)行論文實(shí)驗(yàn)。針對(duì)收集的數(shù)據(jù)集，利用深度學(xué)習(xí)平臺(tái)caffe框架進(jìn)行網(wǎng)絡(luò)訓(xùn)練，優(yōu)化調(diào)參，提高識(shí)別準(zhǔn)確率，得到較好的訓(xùn)練模型。
　　3、根據(jù)系統(tǒng)需求分析和實(shí)驗(yàn)結(jié)果，使用nodejs開(kāi)發(fā)web展示頁(yè)面。該頁(yè)面系統(tǒng)實(shí)現(xiàn)了通過(guò)