摘要：本文主要描述的是基于卷积神经网络的一个动物识别系统的实现。

从技术层面看主要就是构建一个合适的卷积神经网络对数据集进行训练，然后对动物的图片进行一个简单的展示就是本系统达到的效果。

一方面随着环境的破坏，野生动物的数量逐渐减少，人们对于野生动物的保护也越来越重视，相应的研究也越来越多。在野外有一款对动物识别的工具就显得尤为重要；另一方面，在人们日常家居生活中，也可以用动物识别系统对宠物进行判别。本文使用目前主流的一个深度学习框架TensorFlow，在此基础之上，我们使用在ImageNet上取得不俗效果的AlexNet——一种比较经典的卷积神经网络（CNN），对图像进行特征的提取、训练，并通过一些常用的指标，将数据进行可视化。

最后用一个简单的框架Flask将部分图片展示出来。

关键词：深度学习  TensorFlow  CNN

目录

摘要

Abstract

1. 绪论-1

1.1 课题研究背景-1

1.2 课题研究目的-1

1.3 课题的研究现状-2

1.3.1 研究现状-2

1.3.2 文献评述-2

1.4 本文的主要工作-3

2. 系统开发对社会人文、环境、法律的影响-4

2.1 系统开发对社会人文的影响-4

2.2 系统开发对环境的影响-4

2.3 系统开发对法律的影响-4

3. 技术知识简介-5

3.1 人工神经网络（ANN）-5

3.1.1 ANN的背景-5

3.1.2 ANN的基本结构-6

3.2 深度学习-6

3.3 卷积神经网络（CNN）-6

3.3.1 卷积神经网络背景-6

3.3.2 卷积神经网络的结构-7

3.4 softmax-9

3.5 损失函数-10

3.6 优化器-10

3.7 tensorflow编程介绍-10

3.7.1 tf.nn.conv2d()-10

3.7.2 tf.nn.softmax_cross_entropy_with_logits()-11

3.7.3 tf.nn.dropout()-11

3.8 flask介绍-11

4. 可行性分析-12

4.1 技术可行性-12

4.2 操作可行性-12

4.3 经济可行性-12

4.4 社会可行性-12

5. 实验设计-13

5.1 数据集的介绍-13

5.2 网络模型-13

5.3 训练方法-14

5.4 效果展示-14

5.5 实验遇到的问题和反思-18

6. 关键代码展示-20

6.1 图片的txt文件-20

6.2 分离数据-20

6.3 生成图像-22

6.4 网络模型代码展示-22

6.5 数据可视化-23

6.6 训练和测试-24

6.7 基于flask的web端展示-25

结语-27

参考文献-29

致谢-30