基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別算法研究

1、分類(lèi)號(hào)：TP391.41單位代碼：10433密級(jí)：學(xué)號(hào)：14405050119山東理工大學(xué)山東理工大學(xué)碩士學(xué)位論文基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別算法研究基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別算法研究TheResearchonImageRecognitionAlgithmBasedonConvolutionalNeuralwks研究生：張榮磊張榮磊指導(dǎo)教師：田愛(ài)奎（教授）田愛(ài)奎（教授）申請(qǐng)學(xué)位門(mén)類(lèi)級(jí)別：工學(xué)碩士工學(xué)碩士學(xué)科專(zhuān)業(yè)名稱(chēng)：軟件工程軟件工程研究方

2、向：算法分析算法分析論文完成日期：20172017年4月2020日萬(wàn)方數(shù)據(jù)山東理工大學(xué)碩士學(xué)位論文摘要I摘要卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralwks，CNN）是以人工神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，結(jié)合深度學(xué)習(xí)提出的一種識(shí)別算法，目前，已成功的應(yīng)用到物體檢測(cè)、圖像識(shí)別、語(yǔ)音識(shí)別等領(lǐng)域。卷積神經(jīng)網(wǎng)絡(luò)識(shí)別技術(shù)雖已慢慢趨于穩(wěn)定，但主要以單機(jī)串行方式實(shí)現(xiàn)，存在訓(xùn)練時(shí)間過(guò)長(zhǎng)，內(nèi)存不足等問(wèn)題。本文通過(guò)卷積神經(jīng)網(wǎng)絡(luò)算法的分析以及對(duì)圖像識(shí)別技術(shù)的對(duì)比

3、，對(duì)卷積神經(jīng)網(wǎng)絡(luò)算法進(jìn)行改進(jìn)，以提高圖像識(shí)別效果。主要內(nèi)容包括多區(qū)域圖像識(shí)別和基于MapReduce的卷積神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)。多區(qū)域圖像識(shí)別是在傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，簡(jiǎn)化其網(wǎng)絡(luò)結(jié)構(gòu)，進(jìn)行圖像識(shí)別測(cè)試時(shí)，按照區(qū)域劃分得到多個(gè)測(cè)試區(qū)域，提高圖像識(shí)別準(zhǔn)確率；在此基礎(chǔ)上，基于MapReduce平臺(tái)進(jìn)行了卷積神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)，利用Map函數(shù)將數(shù)據(jù)分割成N個(gè)模塊，通過(guò)數(shù)據(jù)處理形成中間數(shù)據(jù)，再由Reduce函數(shù)進(jìn)行數(shù)據(jù)匯總，即通過(guò)MapReduce