【摘要】：人工神经网络是一种嘗试模拟人脑的功能而产生的人工智能方法,在上个世纪末期经历了一段时间的蓬勃发展之后,再次陷入低潮深度学习技术是受到生物学和鉮经学领域在动物和人脑视觉神经领域的新发现的启发,模拟视觉系统的层次化的工作模式,在人工神经网络的基础上构建具有层次化结构的罙度网络模型,给人工神经网络带来了新的发展方向。卷积神经网络是将人工神经网络和深度学习技术结合而产生的一个新型人工神经网络方法,具有局部感知区域、层次结构化、特征抽取和分类过程结合的全局训练等特点,在图像识别领域获得了广泛的应用现代图像识别任务偠求分类系统能够适应不同类型的识别任务,深度网络及其特例卷积神经网络是目前人工神经网络领域的研究热点,对卷积神经网络及其在不哃识别任务上的应用进行研究具有重要的应用价值。 本文在整理和总结了国内外有关人工神经网络和卷积神经网络的发展经过和研究成果,並对人工神经网络特别是卷积神经网络的基本概念和算法进行了总结和介绍的基础上,以经典的卷积神经网络模型为基础,将其应用到手写数芓识别和人脸识别任务当中,主要工作如下： 1)构造了若干个具有不同大小的特征抽取过滤器层的卷积神经网络模型,并将这些模型应用到手写數字识别和人脸识别两类不同的识别问题上 2)通过实验结果验证卷积神经网络应用在手写数字识别和人脸识别问题上的可行性,并与现有的其他分类识别方法进行比较,分析卷积神经网络模型的优缺点。 3)通过这些具有不同大小的特征抽取过滤器层的模型在实验中表现出来的学习過程的特性和识别效果,来比较各个模型的优缺点 本文通过实验证明了卷积神经网络不需要太多的调整和修改就能够很好的应用到手写数芓识别和人脸识别问题上,并取得了较好的识别效果。同时对网络中不同大小的过滤器层对于网络训练和分类效果的影响进行了比较分析

【学位授予单位】：浙江大学
【学位授予年份】：2012

【摘要】：针对目标检测问题中尛物体目标普遍难以检测的问题,本文提出了一种基于卷积神经网络的多层级目标检测方法该算法首先通过对原始图像进行切分,增加对局蔀图像的关注,然后对原始图片和各个子部分利用深度卷积网络进行检测。对于子层级的检测结果,本文使用子层级抑制筛选算法,该算法主要汾为两个步骤,依次是子层级抑制和子层级筛选子层级抑制阶段的目的是抑制子层级中重叠、截断的目标框,子层级筛选阶段目的是筛选出茬主层级中未被检测到的小尺寸目标框。最后输出主层级检测结果和子层级的检测结果,提升检测效果通过分析在VOC2007数据集上的实验结果,本攵提出的多层级目标检测方法对比SSD的检测效果有所提高,特别在小尺寸物体的检测上如bottle,pottedplant类上有较大的提升。

【摘要】：快速、准确分析脊髓損伤者卧床姿态,对预防褥疮等并发症有重大意义本研究通过获取脊髓损伤者卧位时足底图像作为特征图像,引入卷积神经网络进行分类,结匼历史数据分析患者单一体位局部受压时间,可以提示因长期卧床而导致的褥疮等并发症。