摘要：民族图案凝结了一个民族的文化精髓，在民族文化中占有很大的比重，因此把民族图案正确分类是对民族文化的发扬与保护。如今，信息时代已经到来，采集以数字图像为载体的民族图案已经成为可能。而传统的基于图像内容的检索与分类技术是基于图像底层特征的，分类效果不理想，与人对图像的认识存在较大差异，即“语义鸿沟”，这个问题是计算机视觉领域需要解决的。Caffe是深度学习的框架之一，机器学习的新领域之一是深度学习，是为了建立一种可以模拟大脑机制来理解数据并对数据作出较为合理解释的神经网络。完成的主要工作如下：

(1)为了缓解传统分类技术所存在的“语义鸿沟”问题，采用基于卷积神经网络的深度学习方法对民族图案提取语义特征；

(2)利用KNN和图像检索技术，设计实现了基于深度学习所提取的特征向量的多标签图像分类系统。

关键词: 深度学习; 卷积神经网络; 图像分类; 民族图案

目录

摘要

Abstract

1引言-1

1.1课题背景和意义-1

1.2国内外研究现状-1

1.2.1深度学习-1

1.2.2图像分类-2

2相关基础理论-3

2.1神经网络-3

2.2卷积神经网络-3

2.2.1卷积运算-3

2.2.2卷积神经网络的工作流程-5

2.2.3 CNN的优势-5

2.3 Caffe-6

2.4 Alexnet-7

3基于Caffe的图像单标签分类-8

3.1选择数据集-8

3.2对数据集进行预处理-9

3.2.1 处理数据集-9

3.2.2 把图像数据转换为LevelDB-9

3.2.3 计算图像均值-9

3.2.4 保存图像和标签信息-12

3.3 网络结构及参数设置-12

3.3.1各个层参数设置-12

3.3.2 ReLU非线性与其他激活函数的比较-13

3.3.3 LRN局部响应归一化-14

3.3.4 Dropout-15

3.3.5 图像镜像-15

3.4 学习的详细过程-15

3.5 实验结果-16

4基于Caffe和CBIR的图像多标签分类-17

4.1多标签分类-17

4.2 Caffe提取图像特征向量-18

4.2.1标签处理-18

4.2.2训练网络结构-18

4.2.3利用Caffe接口提取特征向量-21

4.3利用特征向量进行相似图像检索-22

4.4候选图像类别标签的合并-22

4.4.1 K-NN思想-22

4.4.2 距离类型选择-22

4.4.3 相似度-22

4.5 实验结果-23

结    论-26

参 考 文 献-27

致    谢-28