甘丽

（马鞍山师范高等专科学校软件工程系，安徽 马鞍山 243041）

随着人工智能技术的高速发展，目标检测作为计算机是觉得一个重要研究方向也得到了长足的发展和广泛的应用。目前大多数目标检测的研究侧重在目标类别的识别，如公共汽车、小汽车、摩托车、自行车等，本研究侧重在对不同品牌车辆的识别，对小目标的分类预测有着积极的参考意义。

1 Keras 框架

Keras 是一个用Python 编写的高级神经网络API，能够以TensorFlow，CNTK 等作为后端运行。没有特定格式的单独配置文件。模型定义在Python 代码中，结构紧凑，易于调试，并且易于扩展。[1]Keras 的核心数据结构是神经网络模型model，其中使用较多的是Sequential 顺序模型，它是由多个神经层线性堆叠而成。在构建好模型后，可以简单的通过add 方法将各层添加到模型中去，在训练模型之前，最重要是的配置学习过程，主要通过compile 方法来完成，其中有三个参数是非常重要的，他们分别是优化器，损失函数和评估函数。训练模型通常使用fit 方法，最后利用训练好的模型预测我们的测试集。

2 神经网络原理

神经网络的主要用途在于分类，整个神经网络的分类还是围绕着损失、优化这两部分的算法设计。[2-3]

公式的计算过程如图1 所示。

图1 softmax 计算过程

2.2 梯度下降算法

梯度下降是优化神经网络的首选方法，各种优化器也是基于梯度下降算法。梯度下降法基于以下定义：如果实值函数f(x)在点啊处可微且有定义，那么函数f(x)在a 点沿着梯度相反的方向-∇f（a）下降最多。梯度下降算法的目的是使得损失函数的值找到最小值。……