基于卷積神經網絡的圖像識別

羅嘉杰 施佳林

摘 ? 要：目前，卷積神經網絡在圖像識別和分類領域取得了良好的效果，但網絡結構和參數(shù)的選擇對圖像識別和分類的效果與效率影響很大。為了提高卷積網絡的圖像分類性能，本文結合理論分析和對比實驗，對卷積神經網絡模型進行了詳細的理論分析，并且本文設計了一個具有8層卷積層的深度卷積網絡，并結合批量歸一化處理，在CIFAR-10數(shù)據(jù)集上進行了相關的分類實驗，得到了88.1%的分類精度，相比于傳統(tǒng)的分類設計有效地改善了卷積神經網絡的圖像識別分類效果。

關鍵詞：卷積神經網絡 ?圖像識別 ?圖像分類 ?LeNet-5模型

中圖分類號：TP311 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1674-098X（2019）08（c）-0130-02

卷積神經網絡是一種具有卷積結構的神經網絡，它能夠減少網絡參數(shù)的數(shù)量，并減輕模型的過度擬合問題。為了確保一定程度的平移，縮放和失真不變性，在卷積神經網絡中設計了局部感受域，共享權重以及空間或時間下采樣，對于此提出了一種用于字符識別的卷積神經網絡LeNet-5。LeNet-5由卷積層，下采樣層和完全連接層組成。

1 ?LeNet-5網絡模型結構

卷積神經網絡與其他神經網絡模型的最大區(qū)別在于卷積神經網絡將卷積層連接到神經網絡的輸入層之前，該卷積層成為卷積神經網絡的數(shù)據(jù)輸入，而作為經典模型的LeNet-5網絡，是由嚴樂村開發(fā)的用于手寫字符識別的經典卷積神經網絡模型。

LeNet-5的體系結構有7層，其中有3個卷積層。第一卷積層由6個特征圖組成，故C1包含156可訓練參數(shù)（（6個5X5內核加上6偏值）來創(chuàng)建122304（156*（28*28）-122，304）個連接。在C1層上，F(xiàn)M的大小為28×28。C3層共有1516個可訓練參數(shù)以及151600個連接。Lecun設計了這些連接最大化C3的功能數(shù)量，同時減少了權重數(shù)量，在最后的卷積層C5包含120個FM，輸出尺寸為1X1。

2 ?模型設計

CIFAR-10數(shù)據(jù)集含有6萬張的自然圖像，共分為10種類型，由Alex Krizhevsky，Vinod Nair和Geoffrey Hinton收集而來。包含50，000張訓練圖片，10，000張測試圖片，數(shù)據(jù)集中的數(shù)據(jù)存在于一個數(shù)組中（按行存儲，每行代表一個圖像），前1024位是R值，中間1024位是G值，最后1024位是B值。在本文中，實驗數(shù)據(jù)集被簡單地剪切和白化，并且像素值被發(fā)送到神經網絡用于訓練，本文結合CIFAR-10數(shù)據(jù)集，設計了一個深度卷積網絡模型，模型的架構參數(shù)如表1所示。

3 ?實驗分析

將最大迭代次數(shù)設置為50，000次，使用SGD+ Momentum學習算法初始化學習速率，Epoch學習速率每125次衰減為前一次的0.1倍，其他參數(shù)保持基本參數(shù)不變，相應的成本函數(shù)曲線如圖1所示。

在模型訓練50000次迭代后，使得成本函數(shù)穩(wěn)定大約在0.18左右，最低為0.10，最后的分類精度可達88.1%。可以看出，本文的圖像識別分類精度優(yōu)于目前大部分研究中得到的分類精度。

4 ?結語

眾所周知，目前將卷積神經網絡應用于圖像分類實驗已經取得了良好的效果，但是網絡結構和參數(shù)的選擇一直是分類效果提升的瓶頸，為了更好地將卷積神經網絡應用于圖像分類中，本文針對CIFAR-10圖像數(shù)據(jù)集，設計了一個具有8層卷積層的深度卷積網絡，并結合批量歸一化，在CIFAR-10數(shù)據(jù)集上得到了88.1%的分類精度，比CIFAR-10官網上公布的大部分研究的分類精度要高，有效地改善了卷積神經網絡的圖像識別分類效果，因此可以將本文的實驗成果應用于醫(yī)學圖像的鑒定、交通圖像的識別等領域，對國民生活和經濟發(fā)展提供技術支持。

參考文獻

[1] Alex Krizhevsky， Ilya Sutskever， Geoff Hinton. Imagenet classification with deep con-volutional neural networks[J]. Advances in Neural Information Processing Systems，2012（25）：1106-1114.

[2] Ioffe S， Szegedy C. Batch Normalization： Accelerating Deep Network Training by Reducing Internal Covariate Shift[J]. Computer Science， 2015（33）： 45-49.

[3] Simon M， Rodner E， Denzler J. ImageNet pre-trained models with batch normalization[J].2016（12）： 115-120.