摘要:计算机自从被发明以来，使得整个信息学科技术得到飞速发展，人们的生存方式也因为计算机这一工具得到跨越式的改变。但是工具只是工具，在绝大多数事情上，机器还是需要人类来对事物进行抽象与判断，那么科技发展，计算机能否进一步发展，自身能够领有理解概念做出判别的能力，真正意义上成为“电子大脑”。
人工智能之所以能成为当下最火热的话题，是因为它不再是图灵空泛的希望，大数据和相关算法的开花结果，使它变成了可能。本论文就这一热点，将深度学习应用于图片辨认，分析传统网络和人工神经网络之间存在的差异，重点研究人工神经网络中深度学习模型和原理，运用了深度卷积神经网络搭建了一个基于cifar-10数据集的图片识别模型。
关键字：图像识别技术；人工神经网络；深度学习
目录
摘要
ABSTRACT
1.绪论-1
1.1课题研究背景及意义-1
1.2国内外研究进展-2
2.图像识别技术-3
2.1 图像识别过程-3
2.1.1图像预处理-3
2.1.2特征提取-3
2.1.3识别分类-3
2.2图像特征-4
2.3分类器-4
2.3.1贝叶斯-5
2.3.2决策树-5
2.3.3支持向量机-6
2.3.4集成学习方法-6
3.人工神经网络-7
3.1神经元结构-7
3.2前反馈神经网络-8
3.3训练神经网络-8
3.4传统神经网络的问题-9
4.深度学习-10
4.1深度学习概念-10
4.2深度学习特征提取-11
4.3深度卷积神经网络-12
4.3.1卷积层-13
4.3.2下采样层-13
4.3.3全连接层-14
4.4深度卷积网络模型-14
5.基于深度学习的图像识别-15
5.1 caffe简介及环境搭建-15
5.1.1caffe深度学习工具-15
5.1.2caffe开发环境搭建-15
5.2网络搭建-16
6.总结-20
致 谢-21
参考文献-22
