基于显著性检测和神经网络的图像分类系统的设计与实现

发布时间：2023-05-31 00:55

　　这些年来,人工智能一直是学者们研究的一个热点,而计算机视觉是人工智能里相当重要的一部分,它是指把图像或视频作为输入,通过计算机的处理将它们转换成数字信号以便进一步的深入研究。计算机视觉可以被应用于很多的领域中,比如人脸的识别、监控录像的分析、图片的识别分析、辅助自动驾驶、三维图像等等,几乎充斥了我们生活的各方各面。图像分类作为计算机视觉中的一部分,自然也有其研究的必要性,且会对计算机视觉的其他领域产生一定的影响。系统为研究图像分类的准确性,结合了流形排序,显著性检测和卷积神经网络,主要使用python语言和tensorflow、opencv等深度学习库进行了开发。首先对系统进行了需求分析,然后按照系统的功能需求给出了用例图,将整个系统分为了数据层、逻辑层、界面层三个层次,逻辑层又分为数据采集、显著性检测、神经网络分类和分类显示几个模块,数据采集又包括了本地图片输入,相机拍摄输入和文件夹输入三个方式,按照每个模块各自地功能对系统进行了详细的设计。通过在MSRA、CIFAR-100等数据集上进行训练选定最合适的参数值实现了核心算法,最终实现了整个系统。用户可以从本地相册读取图片,或者使用摄...

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景与意义
    1.2 国内外研究概况
    1.3 论文的主要研究内容
2 关键技术研究
    2.1 流形排序
    2.2 显著性检测
    2.3 神经网络
    2.4 本章小结
3 图像分类系统的分析与设计
    3.1 系统需求分析
    3.2 系统结构设计
    3.3 系统功能模块设计
    3.4 本章小结
4 系统的实现与测试
    4.1 系统开发运行环境
    4.2 系统实现
    4.3 系统测试
    4.4 本章小结
5 总结与展望
    5.1 全文总结
    5.2 展望
致谢
参考文献



本文编号：3825370