文献综述
发展趋势,现状，本课题研究的意义与价值：
近年来，人工智能(AI)非常的火热，在现实中也有了很多的应用，比如人脸识别，同声传译等，在实现人工智能的众多方法中，机器学习则显得尤为受人关注。机器学习最基本的做法就是使用算法解析数据，从中学习，然后对真实世界中的事件做出决策和预测。其中深度学习(Deep Learing)是机器学习的重要分支，也是传统神经网络的重要延伸，本次课题是基于深度学习的垃圾分类与检测技术研究，面对城市垃圾的大量产生，对垃圾的处理与再次利用则显得尤为重要与极具有经济价值，利用基于深度学习的图像识别对不同物体进行分类，通过已有数据集对模型进行大量训练，使得模型能够实现对不同材料的识别并分类。逐渐优化，实现能够在现实生活中广泛应用，减轻甚至解决因为城市垃圾大量产生的相关问题，深入学习tensorflow/caffe框架来初步学习深度学习图像识别算法与理论，通过光矛处理器(usb神经棒)实现能够在个人电脑上训练与推理模型。
参考文献：
[1]侯海霞.深度学习在目标检测中的应用[J].中国新通信,2018,20(10):184.
[2]图像物体分类检测算法综述[J]. 黄凯奇,任伟强,谭铁牛.计算机学报.2014(06)
[3]基于深度学习的图像识别算法研究[D]. 王恒欢.北京邮电大学2015
[4]夏源. 基于深度学习的图像物体检测与分类[D].北京邮电大学,2016
[5]加日拉·买买提热衣木,常富蓉,刘晨,要秀宏.主流深度学习框架对比[J].电子技术与软件工程,2018(07):74
[6]王坤. 基于深度学习的自然图像分类方法的研究[D].东华理工大学,2017
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
