基于改进AlexNet卷积神经网络的轮胎图像识别

张素智，吴玉红，常 俊

(1.郑州轻工业大学 软件学院，河南 郑州 450000；2.郑州轻工业大学 计算机与通信工程学院，河南 郑州 450000)

0 引 言

近些年，国内经济的高速提升带动了汽车行业的飞速发展，使得汽车的销售量大幅上涨，汽车轮胎的使用与理赔问题逐渐成为现代社会的关注焦点。而将深度学习应用于轮胎破损图像的分类识别中，利用学习模型对大量的轮胎破损图像进行训练，学习有用的特征，实现利用计算机自动对图像分类和识别，无疑是给轮胎工业带来了新的机遇和挑战。

图像识别是指利用计算机模仿人类对图像的认知过程，以图像的特征信息为记忆点，自动地根据图像不同的特征信息完成分类识别。近些年，国内计算机行业有很大的发展，促使图像识别技术与现代人们的生活息息相关，由于它很大限度地满足了人们在不同情况下的各种需求，被广泛应用在各个方面，包括医疗健康、农业生产、监控追踪等，所采用的图像识别技术也从最早的模板匹配、原型匹配到现在的深度学习方法[1]。深度学习在图像识别的很多领域都被成功应用，而且使得图像的识别准确率越来越高，也吸引了很多人对其进行改进研究。

深度学习是机器学习的一个新的研究领域，它是通过建立、模拟人类大脑进行分析学习的神经网络，通过模仿人脑的机制来解释数据[2]。近年来，以卷积神经网络为基础的深度学习技术在图像识别的很多应用上都取得了很大的进步，比如人脸识别[3]、文字识别[4]、花卉识别[5]等。……