摘 要

 

近年来，随着深度学习、物联网、大数据等新兴计算机科学技术的不断发展和成熟以及社会的快速进步，人们日常生产生活中接触产生的图像也越来越多，对于图像精准识别、精准分类的需求也越来越高。图像识别作为计算机视觉中的热点研究课题近年来的研究发展也特别迅速。其无论是在推动高新技术的发展，还是在我们日常生活和工作中的作用都变得越来越重要。随着人工智能的发展，深度学习在图像识别领域的研究优势逐渐凸显,并在一些研究成果上取得了突破性的进展。卷积神经网络作为深度学习中的一种网络结构在图像处理识别领域取得了很好的研究成果，在性能上有突出的表现,使其成为目前图像处理中的主流算法之一。

本文将主要介绍深度学习以及深度学习中卷积神经网络的相关原理、算法、结构等内容，并将结合深度学习使用卷积神经网络并利用 python 和 tensorflow 平台进行相关图像识别的研究设计。结合现如今应用比较广泛的数字和人脸识别方向，在具体的实验设计过程中主要分为简单数字识别和人脸识别的研究和分析。

 

关键词：深度学习，卷积神经网络，图像识别

 

目 录

第一章 绪论 1

1.1研究背景和意义 1

1.2国内外研究现状 2

第二章 深度学习与卷积神经网络 3

2.1深度学习 3

2.1.1深度学习概述 3

2.1.2深度学习在图像识别上的应用 3

2.1.3深度学习主要网络结构 4

2.2卷积神经网络 4

2.2.1卷积神经网络概述 4

2.2.2卷积神经网络层次结构 5

第三章 python 与 tensorflow 6

3.1python 6

3.1.1python 简介 6

3.1.2使用python 进行图像识别的优势 6

3.2tensorflow 6

3.2.1tensorflow 简介 6

3.2.2使用 tendorflow 进行图像识别的优势和前景 6

第四章 基于 CNN 进行数字和人脸识别的设计研究 7

4.1基于 tensorflow 和 minst 数据集的简单数字识别研究 7

4.1.1minst 数据集简介和使用 7

4.1.2基于卷积神经网络的模型设计 7

4.1.3使用 minst 数据集进行模型训练 8

4.1.4使用模型进行简单数字识别 8

4.1.5结果分析 9

4.2基于 tensorflow 和CNN 的人脸识别研究 9

4.2.1使用opencv 进行人脸检测并进行数据集准备 9

4.2.2设计模型并进行训练 9

4.2.3使用训练好的模型进行人脸检测识别 11

4.2.4结果分析 11

第五章 结束语 12

参考文献 13

致 谢 14