【基于神經(jīng)卷積網(wǎng)絡(luò)的智能圖像識(shí)別框架研究8500字（論文）】

第五章結(jié)論本文通過對(duì)卷積神經(jīng)網(wǎng)絡(luò)的深入研究，研究了快速R-CNN算法，提高了圖像中危險(xiǎn)產(chǎn)品的安全檢測(cè)精度，通過防止泄漏，易于修改RPN參數(shù)，提高了檢測(cè)算法的精度，并對(duì)改進(jìn)的精度進(jìn)行了試驗(yàn).通過算法訓(xùn)練，建立了圖像安全檢測(cè)危險(xiǎn)物品檢測(cè)模型。對(duì)算法進(jìn)行了改進(jìn)，設(shè)計(jì)了將該模型應(yīng)用于現(xiàn)有安全控制手段的軟件系統(tǒng)。本文的創(chuàng)新之處如下：（1）目前，基于人工智能的圖像識(shí)別應(yīng)用領(lǐng)域主要包括：行人識(shí)別、車輛識(shí)別、手勢(shì)識(shí)別和腫瘤圖像識(shí)別，而不是識(shí)別安全測(cè)試領(lǐng)域的應(yīng)用程序。該系統(tǒng)的研究拓展了人工智能的研究范圍，應(yīng)用場景比較新鮮。在安全檢測(cè)領(lǐng)域，首次引入了基于人工智能的危險(xiǎn)材料圖像識(shí)別技術(shù)，并且開發(fā)的系統(tǒng)可以在實(shí)踐中進(jìn)行測(cè)試.（2）通過對(duì)FasterR-CNN算法的優(yōu)化，與常規(guī)目標(biāo)檢測(cè)算法相比，提高了安全檢測(cè)圖像的驗(yàn)證精度，而FASTERR-CNN算法更為精確，適合圖像驗(yàn)證.參考文獻(xiàn)[1]余永維,殷國富,殷鷹,etal.基于深度學(xué)習(xí)網(wǎng)絡(luò)的射線圖像缺陷識(shí)別方法[J].儀器儀表學(xué)報(bào),2014,35(9):2012-2019.[2]高常鑫,桑農(nóng).基于深度學(xué)習(xí)的高分辨率遙感影像目標(biāo)檢測(cè)[C]//第二屆高分辨率對(duì)地觀測(cè)學(xué)術(shù)年會(huì).0.[3]段金菊,余勝泉.學(xué)習(xí)科學(xué)視域下的e-Learning深度學(xué)習(xí)研究*[J].遠(yuǎn)程教育雜志,2013(4).[4]高常鑫,桑農(nóng).基于深度學(xué)習(xí)的高分辨率遙感影像目標(biāo)檢測(cè)[J].測(cè)繪通報(bào),2014(S1):108-111.[5]孫志軍,薛磊,許陽明.基于深度學(xué)習(xí)的邊際Fisher分析特征提取算法[J].電子與信息學(xué)報(bào),2013(4).[6]段金菊.e-Learning環(huán)境下促進(jìn)深度學(xué)習(xí)的策略研究[J].中國電化教育,2012(5):38-43.[7]袁冰清,陸悅斌,張杰.神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)基礎(chǔ)[J].數(shù)字通信世界,2018,No.161(05):40-41+70.[8]焦李成.神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論[M].西安電子科技大學(xué)出版社,1990.[9]閻平凡,張長水.人工神經(jīng)網(wǎng)絡(luò)與模擬進(jìn)化計(jì)算[M].清華大學(xué)出版社,1900.[10]張乃堯,閻平凡.神經(jīng)網(wǎng)絡(luò)與模糊控制[M].清華大學(xué)出版社,1998.[11]馮夏庭,張治強(qiáng),楊成祥,etal.位移反分析的進(jìn)化神經(jīng)網(wǎng)絡(luò)方法研究[J].巖石力學(xué)與工程學(xué)報(bào),1998,18(05):529-529.[12]HongtaoZ,HanpingM,DaoyinQ.Featureextractionforthestored-graininsectdetectionsystembasedonimagerecognitiontechnology[J].TransactionsoftheChineseSocietyofAgriculturalEngineering,2009,25(2):126-130.[13]KuriharaN,NishikawaM,WatanabeA,etal.Acombustiondiagnosismethodforpulverizedcoalboilersusingflame-imagerecognitiontechnology[J].IEEEPowerEngineeringReview,2010,PER-6(6):45-46.[14]RosenfeldA,MilgramD.Algorithmsandhardwaretechnologyforimagerecognition[J].Algorithms&HardwareTechnologyforImageRecognition,1978.[15]ChengF,ZhangH,FanW,etal.ImageRecognitionTechnologyBasedonDeepLearning[J].WirelessPersonalCommunications,2018(C):1-17.[16]楊海濤.圖像識(shí)別技術(shù):機(jī)械工業(yè)出版社.[17]王波濤,蔡安妮,孫景鰲.生物圖像識(shí)別技術(shù)及其應(yīng)用[J].計(jì)算機(jī)工程與設(shè)計(jì),2001,22(4):78-82.[18]陳強(qiáng).基于組合矩和神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別技術(shù)研究[D].南京理工大學(xué),2007.[19]彭淑敏.神經(jīng)網(wǎng)絡(luò)圖像識(shí)別技術(shù)研究與實(shí)現(xiàn)[D].西安電子科技大學(xué),2005.[20]陳珂,殷國富,羅小賓.基于統(tǒng)計(jì)特征聚類原理的圖像識(shí)別技術(shù)[J].四川大學(xué)學(xué)報(bào)(工程科學(xué)版),2003,35(3):83-86.[21]彭強(qiáng),張曉飛.基于特征向量的敏感圖像識(shí)別技術(shù)[J].西南交通大學(xué)學(xué)報(bào),2007,42(1):13-18.[22]吳忠,朱國龍,黃葛峰,etal.基于圖像識(shí)別技術(shù)的手寫數(shù)字識(shí)別方法[J].計(jì)算機(jī)技術(shù)與發(fā)展,2011,21(12):48-51.[23]JiangL,PengG,XuB,etal.Foreignobjectrecognitiontechnologyforporttransportationchannelbasedonautomaticimagerecognition[J].EURASIPJournalonImageandVideoProcessing,2018,2018(1).[24]ZhangXB,GeXG,JinY,etal.ApplicationofimagerecognitiontechnologyincensusofnationaltraditionalChinesemedicineresources[J].ZhongguoZhongyaozazhi=Zhongguozhongyaozazhi=ChinajournalofChinesemateriamedica,2017,42(22):4266-4270.[25]MauroZ,VeronicaR,FabioL,etal.AMonitoringSystemforLayingHensThatUsesaDetectionSensorBasedonInfraredTechnologyandImagePatternRecognition[J].Sensors,2017,17(6):1195-.[26]周軍盈,杜嘯曉.圖像識(shí)別技術(shù)在火災(zāi)探測(cè)中的應(yīng)用[J].消防科學(xué)與技術(shù),2007,26(4).[27]王秀珍.圖像識(shí)別技術(shù)淺論[J].內(nèi)蒙古電大學(xué)刊,2008(8):73-74.[28]ComFJF.圖像識(shí)別技術(shù)在換流站監(jiān)控系統(tǒng)中的應(yīng)用[J].電網(wǎng)技術(shù),2010(2):174-178.[29]王鵬,鄭光宇,