杨怡滨 林科浩

摘要：本文提出了一种基于自动机器学习（Automatic Machine Learning）框架AUTO-SKLEARN的图像识别算法。通过逻辑回归、K-近邻、SVM、多层感知神经网络、AUTO-SKLEARN构建了5个图像识别模型，进而以准确率、精确率、召回率，混淆矩阵、F1值为基准进行不同模型的性能评价。经反复的实例论证和理论测算，该框架相较于传统机器学习，平均精确率达到了0.98以上，能够在节省参数调节时间的基础之上，获得更优秀的效果。

关键词：图像识别  AutoML  AUTO-SKLEARN  自动机器学习

中图分类号：TP3         文献标识码：A

Abstract：This paper proposes an image recognition algorithm based on AUTO-SKLEARN， an automatic machine learning framework. Five image recognition models were constructed by logistic regression， K-nearest neighbor， SVM， multi-layer perceptual neural network and AUTO-SKLEARN， and the performance of different models was calculated based on accuracy， accuracy， recall rate， confusion matrix and F1 value. Evaluation. Through repeated case studies and theoretical calculations， the framework has an average accuracy of 0.99 or more compared to traditional machine learning， and can achieve better results on the basis of saving parameter adjustment time.

1.引言

图像识别技术主要利用计算机的功能来对图像信息进行处理、分析、理解，基于计算机得出的结果即可判断不同属性的目标。在某种程度上，图像识别技术即是模仿、强化人类本身对图像信息识别的机能，能够通过计算机功能代替人类去自动处理、分辨图像物理信息，同时能够对人类难以识别、观察的信息进行处理，以此降低人工作业的负担。在现代的技术水平之下，图像识别技术又属于人工智能化技术的范畴，其能够针对每个图像的特征进行分析，并对在进行图像识别时产生的眼动进行表明。图像识别技术的原理是根据技术的信息识别结果，在自身数据存储库中寻找相似性的数据原型，进而来对图像进行识别。[1]

常用的图像识别方法有六种，分别是统计模式识别法、模板匹配法、模型识别法、句法识别法、神经网络识别法、模糊集识别法[2]。其中模型识别法使用的模型多数为机器学习相关的模型，例如SVM，朴素贝叶斯算法等。……