基于深度学习的宠物猫排泄物图像分类及其在宠物猫智能家居系统的应用研究

发布时间：2021-01-31 01:07

　　随着现代科学技术的发展和物联网技术的普及,涌现出越来越多的智能家居产品,宠物饲养的智能化也成为了可能。宠物猫的日常饲养,主要需要照顾的地方就是其日常“吃、喝、拉、撒”,对宠物猫排泄物、进食量和饮水量进行监测是识别和判断其健康状况的最佳方法,识别宠物猫排泄物的类型和排泄的次数可判断其排泄状况和规律,从而可以初步推断宠物目前的健康状态。因此,在宠物智能家居系统中,如何使宠物猫的健康状况诊断快捷、方便、准确、智能,有效的宠物猫排泄物图像的识别和分类是至关重要的。卷积神经网络这一深度学习技术可以不依赖图像特定特征进行图像识别,且可以得到较好的识别效果。本文将卷积神经网络技术应用于宠物猫排泄物图像的识别,并设计了一个基于安卓操作系统的宠物猫智能家居系统。本文研究的主要内容如下:1.综述了基于深度学习的图像分类技术研究现状,系统介绍了卷积神经网络的基本理论。2.针对缺乏公开且足够大的宠物猫排泄物图像数据集的问题,本文通过人工采集的方式收集数据,建立了CATFP宠物排泄物图像数据集,共包含宠物猫排泄物图像10000幅。3.受Inception和ResNet神经网络结构的启发,经多次实验后本文提出了一... 

【文章来源】：云南师范大学云南省

【文章页数】：70 页

【学位级别】：硕士

【部分图文】：

卷积运算卷积核的从图像的左上角从左到右，自上而下滑动，形成特征映射，从图

第2章卷积神经网络相关知识简介13征片具有更密集的特征表示。2.4激活层和激活函数在早期的神经网络中，每层之间的运算一般都是线性运算，很难拟合复杂的函数，激活函数的作用就是对线性的输出做一个非线性映射，因此激活函数应该是非线性的，由于反向传播过程中需要进行求导，我们一般要求激活函数有界且连续可导。另外，激活函数最好具有单调性，否则误差函数会包含很多的局部极小值点，从而增加训练的难度。在卷积神经网络中，激活层既可以在池化层之前，也可以在池化层之后。目前，主流的激活函数有Sigmoid，Tanh，Maxout，ReLU及其变形。2.4.1Sigmoid激活函数Sigmoid激活函数为()=11+(2.6)Sigmoid激活函数的图像如图2.4所示，将输出移动到[0,1]，输入在0附近时梯度比较大，输入比较大时梯度比较小逐渐趋于0。其主要问题为对于大部分输入的数值饱和，使得基于梯度的学习问题非常困难。图2.4Sigmoid激活函数2.4.2Tanh激活函数Tanh激活函数如图2.5所示

第2章卷积神经网络相关知识简介14图2.5Tanh激活函数Tanh的图像与Sigmoid激活函数相似，输出范围[1,1]，以0为中心。函数可以看作由Sigmoid激活函数变换得到:()=()=2(2)1(2.7)Tanh激活函数同样存在饱和问题，但是比Sigmoid要好，因为当激活值很小时，=(())(2.8)近似于线性激活函数：=(2.9)2.4.3Maxout激活函数Maxout【Goodfellow,ICML2013】在输出神经元中选取最大的值激活。()=∈[1,](2.10)其中=+，与Softmax和Tanh激活函数不同的是，Maxout是一个分段线性函数，实验表明，与Dropout相似，能起到加快网络训练防止过拟合的效果。

【参考文献】：
期刊论文
[1]基于深度学习的工业车辆驾驶行为识别[J]. 李俊杰,邓海勤,高志勇,张勇.  信息通信技术. 2019(01)
[2]基于Andriod的智能家居远程控制系统设计[J]. 普清民.  电脑知识与技术. 2018(20)

硕士论文
[1]基于深度学习的蛇类图像分类问题研究[D]. 付永钦.浙江大学 2019
[2]基于神经网络的通信信号调制识别研究及实现[D]. 周江.电子科技大学 2018
[3]面向无人机编队空面任务的CNN/BN参数学习与决策方法研究[D]. 游尧.国防科技大学 2017



本文编号：3009926