基于机器学习的图像分类研究

基于机器学习的图像分类研究(论文14000字)
摘要：随着时代与科技的发展，互联网中的图像数据呈现爆发式增长，图片数据作为信息载体，既可以展现丰富的内容，也可以更加直观的帮助我们理解信息,因此得到广泛使用。本论文分为两部分，都是利用卷积神经网络训练模型，以用来进行图片识别，第一部分是用MNIST数据库训练LeNet模型来识别手写字体，第二部分是训练一个图片二分类器，120张包含飞机和飞鸟的图片集，用LeNet-5、AlexNet和GoogLeNet三个模型分别训练，根据性能择优选取，最终使用模型可以来区分任意一张飞鸟或是飞机的图片。
关键词：图像识别、图像特征、机器学习、卷积神经网络
 
Image Classification Research based on Machine Learning
Abstract：Withthedevelopmentofscienceand technology，the image data in the internet has exploded. As an information carrier, image data can not only display rich content, but also help us understand information more intuitively. Therefore, it is widely used. This thesis is divided into two parts, which are all based on the convolutional neural network training model for image recognition. The first part is to use the MNIST database to train the LeNet model to identify handwritten fonts, and the second part is to train a picture two classifier,120 pieces contains a collection of images of airplanes and birds. They are trained separately by AlexNet、LeNetand GoogLeNet. They are selected according to the performance. Finally, the model can be used to distinguish any bird or aircraft picture.
Key words: Imagerecognition；Image characteristics; Machine Learning; Convolutional neural network
 
目录
一、绪论    4
1.1 引言    4
1.2 研究背景与研究意义    5
1.3 国内外相关的研究和进展    5
1.4 论文的章节安排    6
二、机器学习与图片识别    7
2.1 机器学习基本原理    7
2.2 图片特征提取    8
2.3 图片识别    9
三、基于卷积神经网络的图像识别模型的设计及验证    10
3.1卷积神经网络    10
3.1.1 卷积神经网络原理    10
3.1.2 卷积神经网络结构分解    11
3.2 模型的选择与分析    13
3.2.1 LeNet-5模型    13
3.2.2 AlexNet模型    17
3.2.3 GoogLeNet模型    18
3.2.4 模型对比分析    19
3.3 激活函数设计    21
3.4 卷积神经网络的模型设计与图像识别流程    22
3.4.1 实验环境    22
3.4.2 实验过程描述    22
3.4.3 实验结果    26
3.4.4 实验补充说明    30
四、总结与展望    31
4.1 工作总结    31
4.2 工作展望    31
五、参考文献    32
六、致谢    33