蒋承知+于起+叶文强+甘凇元

摘 要 机器学习的兴起使得计算机在处理庞大数据时多了一种强有力的手段，尤其计算机在识别大数据量图像时与计算机视觉技术相结合，使得图像识别等人工智能运用更加快速。深度学习发展和延伸了传统机器学习，使得计算机能像人类大脑一样用通过感受视取图像特征。卷积神经网络改善了传统神经网络的功能，通过权值共享技术减少网络训练参数的数量，采用下采样技术避免了传统神经网络易于过拟合等缺点，因此卷积神经网络在人脸识别，语音识别等领域有了广泛的运用。随着技术的发展，卷积神经网络也衍生出了许多性能优良的网络结构框架。本文主要探究R-CNN和Fast-R-CNN进行图像识别上的性能分析。

【关键词】深度学习 卷积神经网络 权值共享 下采样 R-CNN Fast-R-CNN

1 绪论

随着电子信息技术的快速发展，芯片的设计与生产进入了纳米时代，计算机的计算能力与计算速度得到了空前的提高，但是人们的需求是无限的，要求计算机能更加任性化的服务于我们的生活，这也就要求计算机本身能像人一样识别与感知周围的环境，并对复杂的环境做出正确的判断。而图片信息是我们周围环境最直观的，最容易获取的信息，要求计算机能对为的环境做出识别与判断也就要求计算机能够智能的识别图像信息。深度学习是机器学习中的一个新的研究领域。通过深度学习的方法构建深度网络来抽取目标特征进而识别周围的环境。……