基于深度學習的圖像大數據分類研究

■韓志濤

（山西科技學院能源工程學院，山西 太原 030499）

一、引言

隨著人工智能與大數據的高速發展，圖像分類任務作為大數據處理中的一個基本任務，受到了學者們的廣泛關注。圖像分類是通過算法找出一副圖片的所屬類別，計算機不同于人類的大腦，它無法顯式地判斷給定圖片的類別。這就要求算法具有提取圖像中隱含信息，即特征的能力，在特征提取之后，算法通過判斷特征與已有數據的標簽類別的相似程度，將圖像進行分類，這種技術廣泛應用于人臉識別、自動駕駛、點云數據識別等領域。然而傳統的圖像分類技術只能提取簡單的圖像特征，如顏色、位置、形狀等，這是由于即使是一張維數很小的圖片，其特征數也會達到百萬級別，傳統的圖像分類算法無法同時識別數據量如此巨大的特征數，并且對其進行分類。

人工神經網絡（artificial neural networks，ANN）的出現解決了這一難題[1]，最基本的人工神經網絡包括輸入層、隱藏層和輸出層，如圖1所示，人工神經網路通過模擬人體神經元的工作模式，在算法層面實現一種自適應性的學習模式，使得模型具有學習數據中隱含知識的能力。在人工神經網絡的基礎上，陸續提出了前饋神經網絡、卷積神經網絡、遞歸神經網絡、生成對抗網絡等。為了進一步提升圖像分類的性能，2012年，Krizhevsky等[2]提出了AlexNet網絡。該網絡作為深度學習的代表，在卷積神經網絡的基礎上，用多個小卷積層的疊加替換了單個的大卷積層，獲得了非常好的圖像分類能力?！?br>