基于卷积神经网络实现景区精准识别场景

涉及技术：图像预处理，卷积神经网络

图像预处理：

统一分辨率：保证像素个数相同

随机裁剪图像：解决拍摄位置不同

更改颜色空间：消除白天与夜晚的差别

随机调节亮度，对比度

卷积神经网络：

基础知识

卷积：得到Feature图

池化：减少特征

平坦：拉平特征

全连接：接收前面卷积和池化输出的结果，然后通过激励函数对数据进一步进行非线性化处理，并将计算结果输出给下一层。

激活：非线性

多分类：Softmax分类器，将输出结果转化为概率分布问题。

独热编码：One-Hot-Encoding

正则化：防止过拟合

实验流程：

1.图像预处理

2.CNN模型构建

1. 创建一个空模型
2. 添加输入层，指定输入大小
3. 添加卷积层，指定卷积核大小和数量
4. 添加正则化层,指定丢弃神经元例
5. 添加池化层，设置池化参数
6. 重复以上步骤，然后添加平坦层和全连接层
7. 添加输出层，根据图像种类个数设置输出神经元数量

3.设置模型训练参数

1. 损失函数：常用的损失函数:交叉嫡，MSE，0-1误差。
2. 优化器
3. 验证集/训练集