PAGE2
基于基于VGG-16卷积神经网络的动物图像识别算法设计
摘要
对于当前的动物图像识别领域，海量的动物图像数据的存在，使得研究人员的工作量急剧增加，对这些数据需要进行大量的分析并做到分类处理，同时，在根据普通的卷积神经网络设计的方法进行构建特征提取模型的时候，计算机的工作量十分庞大的问题，本文在卷积神经网络的理论和动物图像特征提取的基础上，将动物图像特征识别和卷积神经网络模型进行了融合，提出了基于VGG-16卷积神经网络的动物图像的特征提取与分类的方法。动物图像特征的提取以及卷积神经网络模型的搭建则是通过Python语言以及卷积神经网络的搭建工具Tensorflow进行设计与实现。通过最后的研究成果，对设计的基于VGG-16卷积神经网络的动物图像识别模型进行了实例验证，实验的结果证明了方法的可行以及十分理想的准确度。本研究的主要的工作内容如下：
（1）研究并学习卷积神经网络的理论和方法，查找了各种关于图像识别的研究文献，对卷积神经网络与动物图像识别的结合的可行性与高效性进行了研究与分析。
（2）；了解学习了基于VGG-16卷积神经网络模型的理论知识，在了解了动物图像数据的特点之后，提出了基于VGG-16卷积神经网络的动物图像特征提取方法。
（3）利用Python语言，以及Tensorflow模块的功能，结合VGG-16的理论和动物图像特征数据对提出得方法编写了实现程序。
（4）根据现有的动物图像数据，对经过研究和分析之后所提出的图像特征提取方法和建立的动物图像识别模型进行了测试验证。
关键词：卷积神经网络；VGG-16神经网络；动物图像特征提取；Python语言
目录
TOC\o1-3\h\z\u1.绪论 7
1.1研究的意义和目的 7
1.1.1研究的意义 7
1.1.2研究的目的 8
1.2国内外研究现状 8
1.2.1卷积神经网络研究现状 8
1.2.2动物图像识别的研究现状 9
1.3主要研究内容 10
1.3.1卷积神经网络理论和动物图像特征提取方法的研究 10
1.3.2实例研究 11
1.4研究方法和技术 11
1.4.1研究方法 11
1.4.2研究技术设计路线 11
2.动物图像特征分析及CNN神经网络 13
2.1动物图像特征和知识分析 13
2.2卷积神经网络理论 13
2.2.1一维卷积神经网络的基本结构 13
2.3卷积神经网络在动物图像特征提取中的可行性研究 15
2.3.1动物图像特征提取的可行性分析 15
3.基于VGG-16神经网络的动物图像特征提取方法 16
3.1VGG-16神经网络 16
3.1.1VGG-16的模型结构 16
3.1.2VGG-16模型结构的特点 17
4.动物图像数据的收集和预处理 18
4.1动物图像数据的收集 18
4.2动物图像数据预处理方法 18
4.3动物图像数据的预处理 19
5.卷积VGG-16神经网络的构建与训练 20
5.1卷积VGG-16神经网络的构建 20
5.2卷积神经网络的训练 20
5.2.1卷积神经网络的训练原理 20
5.2.2损失函数 21
5.2.3激活函数 21
5.3程序设计的实现 22
6.结论与进一步工作 23
6.1结论与认识 23
6.2进一步工作 23
参考文献 24
1.绪论
1.1研究的意义和目的
1.1.1研究的意义
据美国世界野生保护动物学会专家组织统计，目前为止全世界最大范围内人类已知的各种野生动物中的种类大约为150多万种，作为人类个体，我们不可能认识每一种动物，了解每一种动物的特征信息，对各种动物图像信息的处理不可能完全靠人力来实现。通过视觉感官，人类感知外界物体的形状、大小、明暗、颜色、动静等信息，获取影响人类认知的大量的信息数据，并通过这些信息判断物体的类别。经过的研究结果表明，在现代人类的感官功能中，通过视觉方式来接收和分析外界信息的比例大约占到了所有人类的感官和接收信息的80%以上，说明对于现代人类和其他动物来说，视觉的存在是十分重要的。然而，不像人类有这样的感官系统，计算机不能做到对外界事物的自主识别，没有像人类一样图像处理的能力。因此，数字图像处理技术的研究和项目的开发这种与人类视觉相关的技术开始被人们所关注，慢慢地逐步形成了图像识别技术。
随着我国数字图像处理技术的进一步发展及其实际应用的要求，以及新一轮大数据时代的来临，图像识别技术越来越成熟。图像识别