隨著阿里巴巴,亞馬遜,京東等電商的崛起,越來越多的用戶開始在電商網(wǎng)站上通過賣家上傳的圖片進行商品選購,使得品牌LOGO成為電子經(jīng)濟市場的重要元素。雖然目前針對圖像分類與識別技術(shù)的研究在技術(shù)上已經(jīng)比較成熟,但是由于使用場景的多樣性,識別數(shù)據(jù)樣本的不同,內(nèi)存資源有限等原因,品牌LOGO識別依舊是一項極富有挑戰(zhàn)性和意義的技術(shù)。本文使用網(wǎng)絡(luò)壓縮技術(shù),對品牌LOGO識別的網(wǎng)絡(luò)進行充分的壓縮,從而解決了在內(nèi)存資源有限的移動設(shè)備上部署網(wǎng)絡(luò)模型的問題。本文在知識蒸餾算法的基礎(chǔ)上進行改進,設(shè)計并實現(xiàn)了共享網(wǎng)絡(luò)模型。本文將老師網(wǎng)絡(luò)參數(shù)層與學(xué)生網(wǎng)絡(luò)進行了共享,從而達到師生網(wǎng)絡(luò)同時訓(xùn)練的效果。在相同的爬蟲數(shù)據(jù)集上,相比于知識蒸餾算法,改進后的算法的平均準確率由0.89提高到了0.91。學(xué)生網(wǎng)絡(luò)不僅具有更好的識別表達能力,而且為模型迭代與更新節(jié)約了訓(xùn)練時間成本。本文在師生網(wǎng)絡(luò)結(jié)構(gòu)共享的同時,為了進一步提升學(xué)生網(wǎng)絡(luò)的識別準確率,對學(xué)生網(wǎng)絡(luò)中間層所提取的特征也進行約束,進而實現(xiàn)了知識遷移優(yōu)化算法的改進。通過這種改進,使得學(xué)生網(wǎng)絡(luò)中間層所提取的特征逼近于老師網(wǎng)絡(luò)中間層所提取的特征,從而具備更好的識別能力以及知識遷移能...

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

本文編號：3878125