摘要:计算机自从被发明以来，使得整个信息学科技术得到飞速发展，人们的生存方式也因为计算机这一工具得到跨越式的改变。但是工具只是工具，在绝大多数事情上，机器还是需要人类来对事物进行抽象与判断，那么科技发展，计算机能否进一步发展，自身能够领有理解概念做出判别的能力，真正意义上成为“电子大脑”。

   人工智能之所以能成为当下最火热的话题，是因为它不再是图灵空泛的希望，大数据和相关算法的开花结果，使它变成了可能。本论文就这一热点，将深度学习应用于图片辨认，分析传统网络和人工神经网络之间存在的差异，重点研究人工神经网络中深度学习模型和原理，运用了深度卷积神经网络搭建了一个基于cifar-10数据集的图片识别模型。

关键字：图像识别技术；人工神经网络；深度学习

目录

摘要

ABSTRACT

1.绪论-1

1.1课题研究背景及意义-1

1.2国内外研究进展-2

2.图像识别技术-3

2.1 图像识别过程-3

2.1.1图像预处理-3

2.1.2特征提取-3

2.1.3识别分类-3

2.2图像特征-4

2.3分类器-4

2.3.1贝叶斯-5

2.3.2决策树-5

2.3.3支持向量机-6

2.3.4集成学习方法-6

3.人工神经网络-7

3.1神经元结构-7

3.2前反馈神经网络-8

3.3训练神经网络-8

3.4传统神经网络的问题-9

4.深度学习-10

4.1深度学习概念-10

4.2深度学习特征提取-11

4.3深度卷积神经网络-12

4.3.1卷积层-13

4.3.2下采样层-13

4.3.3全连接层-14

4.4深度卷积网络模型-14

5.基于深度学习的图像识别-15

5.1 caffe简介及环境搭建-15

5.1.1caffe深度学习工具-15

5.1.2caffe开发环境搭建-15

5.2网络搭建-16

6.总结-20

致  谢-21

参考文献-22