基于深度卷积神经网络的露脊鲸识别

赵江华（四川大学计算机学院，成都　610065）

基于深度卷积神经网络的露脊鲸识别

赵江华
（四川大学计算机学院，成都610065）

0　引言

深度学习的概念起源于人工神经网络，是指具有多层结构的神经网络。深度学习通过多层的神经网络结构学习数据中多层次的表达，这种表达具有很好的抽象性，能够学习到数据的内在结构。目前，深度学习已经在语音识别，图像目标识别检测和其他众多领域，例如药物检测和基因科学，都取得了迄今为止最好的效果[1]。

深度学习其实是通过梯度反向传播算法（BP）去优化一个定义在多层神经网络上的性能函数，从而使网络从大量数据中学习到数据的内在结构。Hinton早在1986年就提出了BP算法[2]，然而由于梯度消失,局部极小等问题的存在，以及当时计算机的计算能力和训练数据量都太小，神经网络方法没有取得成功。直到2006年，Hinton提出的贪心的逐层训练算法为深度学习取得了突破性的进展[3]。贪心的逐层训练算法解决了深度学习在训练上的难点，并且多层次的神经网络具有优异的学习能力，得到的特征具有更好的表达能力，从而可以更好地进行分类和可视化。从2006年开始，深度学习逐渐进入工业应用和学术研究，现已成为机器学习最热门的领域。

目前，典型的深度学习的网络模型有卷积神经网络 （Convolutional Neural Network）、受限莫尔兹曼机（Restricted Boltzmann Machines）、堆栈式自动编码机（Stacked Auto-encoder Network）以及回复式神经网络（Recurrent Neural Network）。其中，深度卷积神经网络取得的成功尤为瞩目，科学家们使用卷积神经网络在处理图像识别[4-5]、视频分类[6-7]、语音识别[8]上都取得了突破性进展。……