基于卷积神经网络的多类商品分类算法研究
发布时间：2021-01-18 04:01
随着物联网的兴起、电子商务的高速发展,网上购物已成为人们生活中必不可少的一部分,依据图像特征对商品进行有效的分类和检索具有重要的应用价值。传统的商品分类方法多基于文本,无法描绘商品的整体特征,且人工标注费力费时。一些基于内容的分类方法,提取特征困难,分类效果不佳。即使有些基于深度学习的商品自动分类方法提出,也受限于较浅层的网络分类效果不好,小样本下网络训练不理想的问题。本文针对这些问题,提出了两种基于卷积神经网络的商品分类方法。所进行的主要工作如下:（1）对现今的商品图像分类技术进行了研究。通过阅读了大量商品图像分类的相关文献,对商品图像分类的研究背景和国内外研究现状进行了分析,并对现今使用的各种分类方法进行了总结比较。（2）对本文研究的基本原理进行了介绍。介绍了神经网络的发展,分析了卷积神经网络中卷积层、池化层、全连接层、激活函数等部分的作用,并列举了常见的分类框架和特征提取方法。（3）针对较浅层的网络分类效果不好的问题,提出了基于改进结构的卷积神经网络商品图像分类方法。对经典的网络结构Alex Net进行了改进,提出了一种新的卷积网络分类结构,此结构相比Alex Net优化了卷积核...
【文章来源】：山东师范大学山东省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
传统基于特征的商品图像分类
山东师范大学硕士学位论文学习通过已知的训练样本训练获得最优模型，在利用此模型将测试输出结果，常见的有监督图像分类策略流程如图 1-2 所示，训练和的两个基本过程。目前常用的有监督图像分类算法主要包括随机Forests，RF）, K 近邻分类器[6,11]（K-Nearest Neighbor classifier，KN[18,19]（Artificial Neural Networks，ANN），支持向量机[20,21,22]（hines，SVM）,朴素贝叶斯[23]（Naive Bayes，NB）,卷积神经tion Neural Networks，CNN），条件随机场[25]（Conditions Random
图 2-1 M-P 神经元模型F.Rosenblatt 基于神经元的原理提出了一种模式识别机，即感知机模型出现是神经相关计算的开始，在文献[30]中，F.Rosenblatt 提出了感知机的，由于这一定理的提出和论证，才使感知机相关的理论有章可循，也是性的发展，出现了首次神经网络的研究热潮。型可实现逻辑运算，解决简单线性可分的问题。但遇到复杂的线性不可考虑使用多层功能神经元，常见的多层前馈神经网络如图 2-2 所示，其层前馈网络，右图为多隐层前馈网络。神经网络根据训练数据调整各个连接权和每个神经元的阈值从而完成完成学习过程，也就是说，网络学在连接权和阈值中。多层网络的学习能力远远强于单层感知机，但是想络，仅仅使用感知机的学习规则就远远不足了，基于此，BP 算法应运而多用于多层前馈神经网络，通常提到的 BP 网络一般就是指使用 BP 算法出的多层前反馈神经网络。
【参考文献】：
期刊论文
[1]基于多特征融合和深度学习的商品图像分类[J]. 曾志,吴财贵,唐权华,余嘉禾,李雅晴,高健. 计算机工程与设计. 2017(11)
[2]基于He-Net的卷积神经网络算法的图像分类研究[J]. 王强,李孝杰,陈俊. 成都信息工程大学学报. 2017(05)
[3]基于卷积神经网络的图像分类研究[J]. 杨莹,张海仙. 现代计算机(专业版). 2016(05)
[4]一种基于稀疏编码的多核学习图像分类方法[J]. 亓晓振,王庆. 电子学报. 2012(04)
[5]SVM分类核函数及参数选择比较[J]. 奉国和. 计算机工程与应用. 2011(03)
[6]一种新的图像分类方法研究[J]. 王松,王卫红,秦绪佳. 计算机应用研究. 2006(12)
硕士论文
[1]基于深度学习的服装图像分类与检索[D]. 包青平.浙江大学 2017
本文编号：2984233
【文章来源】：山东师范大学山东省
【文章页数】：59 页
【学位级别】：硕士
【部分图文】：
传统基于特征的商品图像分类
山东师范大学硕士学位论文学习通过已知的训练样本训练获得最优模型，在利用此模型将测试输出结果，常见的有监督图像分类策略流程如图 1-2 所示，训练和的两个基本过程。目前常用的有监督图像分类算法主要包括随机Forests，RF）, K 近邻分类器[6,11]（K-Nearest Neighbor classifier，KN[18,19]（Artificial Neural Networks，ANN），支持向量机[20,21,22]（hines，SVM）,朴素贝叶斯[23]（Naive Bayes，NB）,卷积神经tion Neural Networks，CNN），条件随机场[25]（Conditions Random
图 2-1 M-P 神经元模型F.Rosenblatt 基于神经元的原理提出了一种模式识别机，即感知机模型出现是神经相关计算的开始，在文献[30]中，F.Rosenblatt 提出了感知机的，由于这一定理的提出和论证，才使感知机相关的理论有章可循，也是性的发展，出现了首次神经网络的研究热潮。型可实现逻辑运算，解决简单线性可分的问题。但遇到复杂的线性不可考虑使用多层功能神经元，常见的多层前馈神经网络如图 2-2 所示，其层前馈网络，右图为多隐层前馈网络。神经网络根据训练数据调整各个连接权和每个神经元的阈值从而完成完成学习过程，也就是说，网络学在连接权和阈值中。多层网络的学习能力远远强于单层感知机，但是想络，仅仅使用感知机的学习规则就远远不足了，基于此，BP 算法应运而多用于多层前馈神经网络，通常提到的 BP 网络一般就是指使用 BP 算法出的多层前反馈神经网络。
【参考文献】：
期刊论文
[1]基于多特征融合和深度学习的商品图像分类[J]. 曾志,吴财贵,唐权华,余嘉禾,李雅晴,高健. 计算机工程与设计. 2017(11)
[2]基于He-Net的卷积神经网络算法的图像分类研究[J]. 王强,李孝杰,陈俊. 成都信息工程大学学报. 2017(05)
[3]基于卷积神经网络的图像分类研究[J]. 杨莹,张海仙. 现代计算机(专业版). 2016(05)
[4]一种基于稀疏编码的多核学习图像分类方法[J]. 亓晓振,王庆. 电子学报. 2012(04)
[5]SVM分类核函数及参数选择比较[J]. 奉国和. 计算机工程与应用. 2011(03)
[6]一种新的图像分类方法研究[J]. 王松,王卫红,秦绪佳. 计算机应用研究. 2006(12)
硕士论文
[1]基于深度学习的服装图像分类与检索[D]. 包青平.浙江大学 2017
本文编号：2984233
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2984233.html
