基于数据增强的卷积神经网络图像识别研究

高友文，周本君，胡晓飞

(1.南京邮电大学 通信与信息工程学院，江苏 南京 210003；2.南京邮电大学 地理与生物信息学院，江苏 南京 210003)

0 引 言

随着科学的发展和技术的进步,图像技术已经得到了广泛的应用,例如在语音识别、图像识别、垃圾短信等方面,从开始的最简单的理论知识发展成为日常生活中随处可见的现象。而其中图像识别技术的应用尤为普遍。手机、电脑等的指纹解锁，公司签到所使用的打卡机,还有最新的人脸识别的签到系统,这些都是图像识别技术的官方应用。在德国汉诺威CeBTT展会的开幕式上,马云在现场发布并演示了一种最新的支付认证技术:人脸识别支付技术。这就意味着，当以后使用支付宝进行交易时，连手机都不需要携带了，只需要刷脸便可以轻松完成支付。图像识别技术发展至今，己经从最简单的数字识别发展到了物体的识别、人脸的识别，并且还在继续发展。

从深度学习[1-2]发展而来的卷积神经网络(CNN)由纽约大学的Yann LeCun于1998年提出[3]。早期的CNN模型较为简单[3]，应用场景也非常单一，随着研究的不断深入，应用领域也在不断扩展。例如，卷积神经网络与深信度网络[4]结合产生的卷积深信度网络[5]成功应用于人脸的特征提取。AlexNet网络在大数据分析中取得了非常好的效果。在目标检测领域，R-CNN也取得了成功[6]。近年来。图像识别技术得到了进一步的提升[7-8]。在中国，卷积神经网络也成功应用于商品分类[9-11]和计算机视觉[12]等领域。

CNN本质上是一个多层感知机，具有3个最优秀的特点：稀疏交互、权值共享、等变表示。……