翟高粤

摘要：误差反向传播算法是适合于深度学习中多层神经元网络的一种学习算法，它建立在梯度下降法的基础上。反向传播算法主要由两个环节（激励传播、权重更新）反复循环迭代，直到网络对输入的响应达到预定的目标范围为止。本论述首先介绍物体检测和物体识别的概念，然后对图像检索系统所涉及的深度学习、卷积神经网络、反向传播算法、梯度下降和激活函数等相关概念进行了介绍。最后在卷积神经网络中分别采用了ADAGRAD、ADADELTA、ADAM、ADAMAX、NADAM、SGD和RMSPROP等七种优化方法对COIL100数据集中的72个对象进行训练并得出结果进行比较分析，结果表明，Adadel？ ta优化器在图像数据集上提供了更好识别的结果。

关键词：深度学习；卷积神经网络；物体识别；反向传播；人工智能

中图分类号：TP183文献标识码：A

0引言

物体检测是机器人、机器学习、神经网络和人工智能等技术的融合。物体检测人工智能技术能够实现识别各种形式的物体。通常情况下，由于物体变形、视点变化、光照条件、背景杂波和遮挡等原因，很难做到百分百准确地识别物体。为了克服这些障碍，从图像中提取特征并进行多层抽象处理。现有的机器学习算法虽然性能很好，但缺乏对图像中每个特征进行多层处理和深入分析，从而导致了深度学习算法的出现。深度学习是一种多层的神经网络架构，它根据数据集的特点和性质，结合不同的学习算法来训练网络。

1图像检索系统简介

图像检索系统是对图像进行搜索、浏览、模式匹配和检索的系统。……