李孟起 中国海洋大学经济学院 郑煜辰 中国海洋大学信息科学与工程学院

基于深度学习特征和在线感知机的物体识别系统

李孟起 中国海洋大学经济学院 郑煜辰 中国海洋大学信息科学与工程学院

计算机视觉是科学领域中一个极富挑战性的研究领域。近年来，随着科学研究的进步和工业水平的提高，计算机视觉被广泛应用于医学、工业、交通、等多个领域。本文实现一个物体自动识别系统，完成对特定类物体的识别。系统采用深度网络模型Decaf进行特征提取，将提取特征送入到融合了在线学习方法的分类器中实现图像中物体的准确识别。对于识别结果，本作品采用DTW语音模型对识别结果进行人工矫正。实验结果表明，系统具备模型简单，识别时间短，精度高，泛化能力强等优点。

2 介绍

计算机视觉与模式识别是近十几年来计算机科学最热门的方向之一。目标识别与分类作为该领域研究中的基础性问题，有着极大的研究价值和应用价值，受到广泛的关注。近年来，随着图像处理技术的专业化和计算机硬件成本的下降和处理速度的提高，计算机视觉技术被广泛的运用到生产实践中，目标识别应用层出不穷，在医学检测，工业生产，智能交通，安全监管等各个领域发挥日渐重要的作用，可以说计算机视觉正改变着我们的生活。

本文采用深度学习中的泛化CNN模型Decaf进行特征提取，对传统感知机模型进行容错改进，实现对特定类别的准确识别。……