基于卷积神经网络的室内场景识别方法研究

发布时间：2023-05-03 14:55

　　场景识别一直是计算机视觉领域中的重要课题,也是移动机器人系统的主要研究内容。近年来,卷积神经网络在图像理解与识别领域取得了许多成果。因此,本文基于卷积神经网络设计了室内场景识别模型。通过卷积神经网络模型提取图像的场景特征,并将卷积神经网络与分类器结合,最终实现对室内场景的分类识别。文章的主要研究内容如下:首先,归纳总结了现有的场景识别方法。通过查阅大量国内外相关文献,从基于语义特征的场景识别方法和基于卷积神经网络的场景识别方法两方面对现有的场景识别方法进行了介绍和分析。由于室内场景图像的复杂性,选择卷积神经网络方法来进行室内场景识别。其次,设计了基于卷积神经网络的室内场景识别方法。将Inception结构与残差结构结合设计了Inception-residual结构,在GoogLeNet网络模型的基础上增加Inception-residual结构作为室内场景识别模型,并引入了dropout、Batch Normalization来优化模型。详细介绍了基于卷积神经网络的室内场景识别流程,并设置了识别过程中的训练与测试参数。最后,在深度学习框架TensorFlow上完成了室内场景识别任务,包...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 场景识别的研究背景及意义
    1.2 国内外研究现状
        1.2.1 基于语义特征的场景识别方法
        1.2.2 基于卷积神经网络的场景识别方法
    1.3 本文主要内容及结构安排
        1.3.1 主要研究内容
        1.3.2 论文结构安排
第二章 场景识别的特征提取与分类
    2.1 场景特征提取
        2.1.1 HOG特征
        2.1.2 SIFT特征
        2.1.3 词包模型
        2.1.4 卷积神经网络模型中的特征提取方法
    2.2 Softmax分类器
    2.3 本章小结
第三章 卷积神经网络
    3.1 卷积神经网络原理
        3.1.1 卷积神经网络结构
        3.1.2 局部感知与权值共享
        3.1.3 卷积神经网络的权值更新
    3.2 卷积神经网络的优化
        3.2.1 随机退出优化方法
        3.2.2 mlpconv结构
        3.2.3 Batch Normalization
    3.3 本章小结
第四章 基于卷积神经网络模型的室内场景识别
    4.1 卷积神经网络模型
        4.1.1 GoogLeNet模型
        4.1.2 ResNet模型
    4.2 室内场景识别模型设计
        4.2.1 GoogLeNet模型结构参数
        4.2.2 室内场景识别模型结构参数
    4.3 模型的训练与测试
    4.4 本章小结
第五章 室内场景识别结果分析
    5.1 实验数据集
        5.1.1 实验数据集介绍
        5.1.2 数据处理
            5.1.2.1 数据增强
            5.1.2.2 数据预处理
        5.1.3 场景类别的数学表示
    5.2 实验平台
        5.2.1 实验配置
        5.2.2 TensorFlow介绍
    5.3 室内场景识别
        5.3.1 室内场景识别模型训练
            5.3.1.1 模型层数的确定
            5.3.1.2 学习率的选择
            5.3.1.3 训练过程可视化
        5.3.2 识别结果
    5.4 室内场景识别结果分析
        5.4.1 识别结果分析
        5.4.2 室内场景特征可视化
    5.5 本章小结
第六章 总结与展望
    6.1 工作总结
    6.2 研究展望
参考文献
攻读学位期间所取得的相关科研成果
致谢



本文编号：3806921