基于深度学习的蛇类图像分类问题研究

发布时间：2020-05-31 04:29

【摘要】：蛇是一种常见的爬行动物,可以划分为无毒蛇和毒蛇。毒蛇伤人事件时有发生。患者被毒蛇咬伤后需要根据其种类选择对应的抗蛇毒血清进行治疗。在我国,很多种类的蛇属于保护动物。一些蛇类在医药等领域具有一定的经济价值。近年来,深度学习技术的发展十分迅猛。卷积神经网络和胶囊神经网络等深度学习技术在计算机视觉和自然语言处理等领域得到了广泛的应用。目前,国内外针对蛇类图像分类问题进行的研究工作寥寥无几。不同种类的蛇在颜色、斑纹、形状或姿态等方面的差异,为对蛇类图像进行分类提供了可能性。一个很自然的想法是将深度学习技术应用到蛇类图像分类问题中。但是,该问题的一个难点在于目前缺乏公开的足够大的蛇类图像数据集,尤其是中国常见蛇类图像数据集。基于这些背景,本文通过采集和收集数据,建立了包含银环蛇、竹叶青蛇、舟山眼镜蛇、尖吻蝮、王锦蛇、黄金蟒、玉斑丽蛇、红尾蚺、红脖颈槽蛇和钩盲蛇等10种中国常见蛇类共计10336幅图像的CHINESESNAKES蛇类图像数据集。并且本文对蛇类图像分类问题的可行性与难点进行了分析。基于CHINESESNAKES蛇类图像数据集,本文使用卷积神经网络这一深度学习技术,对蛇类图像分类问题进行了研究。本文针对蛇类图像分类问题,设计了 BRC卷积神经网络结构,其在CHINESESNAKES蛇类图像数据集上的分类准确率达到了 89.061%。最后,本文设计并实现了一个基于安卓操作系统的蛇类图像识别系统。
【图文】：

卷积,梯度,神经网,函数

Ｓｉｇｍｏｉｄ（ｘ）邋＝逦（２．邋１）逡逑其函数图像如图２．邋２所示。逡逑从图２．２中我们可以看到，Ｓｉｇｍｏｉｄ函数在ｘ＝０附近的梯度比较大，而在远逡逑离ｘ＝０的曲线两端梯度变得非常小，接近于０。我们知道，梯度对于卷积神经网逡逑络的训练具有非常重要的意义，梯度如果变得过小，会导致卷积神经网络的训练逡逑速度变得非常缓慢，进而影响卷积神经网络的性能。逡逑２．逦Ｒｅｌｕ函数逡逑Ｒｅｌｕ函数的数学表达式如式２．邋２所示：逡逑Ｒｅｌｕ｛ｘ）邋＝邋ｍａｘ（０，，ｘ）逦（２．邋２）逡逑Ｒｅｌｕ函数的图像如图２．邋３所示。逡逑１１逡逑

块结构,残差,平移变换,输出结果

改进型ＲｅｓＮｅｔ网络结构，即ＲｅｓＮｅｔＶ２。这两种网络结构的区别主要体现在残差逡逑块的结构区别上。ＲｅｓＮｅｔ和ＲｅｓＮｅｔ邋Ｖ２网络的残差块结构如图２．邋４所示。逡逑从图２．４中我们可以看出，ＲｅｓＮｅｔ邋Ｖ２网络残差块将原始的ＲｅｓＮｅｔ网络残差逡逑块结构中干路上的Ｒｅｌｕ激励层移到了支路上，并且将原始ＲｅｓＮｅｔ网络结构中的逡逑卷积层－批标准化层－Ｒｅｌｕ激励层的结构变为批标准化层－Ｒｅｌｕ激励层－卷积层。逡逑这些改进能够加快卷积神经网络的训练速度以及提高卷积神经网络的性能。逡逑２．邋３卷积神经网络存在的一些缺陷逡逑众所周知，卷积神经网络在最近几年取得了突飞猛进的发展。卷积神经网络逡逑在计算机视觉以及其他一些领域取得了举世瞩目的成就。可以说，卷积神经网络逡逑研究的进展使人工智能的研究走向了一个新的高潮。逡逑但是，卷积神经网络在取得了巨大成就的同时，也暴露了自身所存在的一些逡逑不足之处。下面对目前卷积神经网络存在的一些缺陷进行介绍。逡逑１．
【学位授予单位】：浙江大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP391.41;TP18;Q959.6

【相似文献】