摘 要

动物识别是指根据输入的动物图像信息，自动识别动物的名称及相关信息。动物识别技术基于对动物图像的检测和分析，提取动物图像特征，与动物特征数据库的数据进行比较，找到相应的动物，达到识别的功能。理论上来说，在动物特征数据库收集的动物数量足够大时，就可以对任意动物进行识别。本设计拟采用基于深度学习的动物图像识别方法，无需人工设计特征，在动物图像预处理的基础上，采用深度学习训练一个卷积神经网络实现动物特征提取与识别，并通过不同的参数对比得到最佳的模型。

由于人类的原因，野生动物的生存环境愈发恶劣，一部分甚至面临着灭绝的危险，目前普遍采用人眼识别的方式，而在人类无法到达的地方，许多珍稀野生动物无法被发现，无法第一时间给予帮助，使得人类对其灭绝无可下手。针对这个问题，论文根据深度学习的方法在图像识别领域有着显著分类效果的特点，挖掘图像数据的深层特征，建立高效的卷积神经网络来进行识别。

本论文通过对数据的预处理、模型的搭建和不同参数分析，得到了识别准确率约为80%的猫狗识别模型。本论文的主要贡献在于改进已有的猫狗识别模型，分析不同参数对模型的影响，为以后的研究提供理论依据。

关键词：深度学习；卷积神经网络；动物识别

Design and Implementation of Animal Recognition System Based on Deep Learning

ABSTRACT

Animal recognition refers to the automatic recognition of animal names and related information based on the input animal image information. Animal recognition technology is based on the detection and analysis of animal images, extracting animal image features, and comparing with the data of animal feature database to find the corresponding animals, so as to achieve the recognition function. In theory, when the number of animals collected in the animal feature database is large enough, any animal can be identified. In this design, a method of animal image recognition based on depth learning is proposed, which does not need artificial design features. On the basis of animal image preprocessing, a convolutional neural network is trained by depth learning to extract and recognize animal features, and the best model is obtained by comparing different parameters.

Because of human reasons, the living environment of wildlife is getting worse and worse, and some of them are even facing the danger of extinction. At present, human eyes are widely used to identify wildlife. In places where human beings can’t reach, many rare wildlife can’t be found and can’t be helped at the first time, making it impossible for human beings to exterminate them. In order to solve this problem, the deep learning method has significant classification effect in the field of image recognition, mining the deep features of image data, and establishing an efficient convolution neural network for recognition.

In this paper, through data preprocessing, model building and analysis of different parameters, the cat and dog recognition model with recognition accuracy of about 80% is obtained. The main contribution of this paper is to improve the existing cat and dog recognition model, analyze the impact of different parameters on the model, and provide a theoretical basis for future research.

Key words：Deep Learning; Convolutional Neural Network; Animal Recognition

目 录

1 绪论………………………………………………………………………………………1

1.1 课题背景及研究的意义………………………………………………………………1

1.2 国内外相关研究状况…………………………………………………………………1

1.2.1 深度学习研究概况……………………………………………………………1

1.2.2 动物识别研究概况……………………………………………………………2

1.3 论文的主要工作………………………………………………………………………3

1.4 论文的组织结构………………………………………………………………………3

2 深度学习相关理论研究………………………………………………………………………………5

2.1 特征学习…………………………………………………………………………5

2.2 深度学习…………………………………………………………………………5

2.3 卷积神经网络……………………………………………………………………6

2.4 本章小结…………………………………………………………………………6

3基于CNN的猫狗识别模型及实现……………………………………………………………………7

3.1 程序设计…………………………………………………………………………7

3.2 数据预处理………………………………………………………………………8

3.3 CNN模型结构……………………………………………………………………9

3.4 改进模型研究……………………………………………………………………11

3.4.1 训练批次的改进………………………………………………………………12

3.4.2 CNN模型结构的改变………………………………………………………12

3.5 改进后的模型……………………………………………………………………14

3.5.1 改进模型的损失值………………………………………………………14

3.5.2 改进模型的准确率………………………………………………………15

3.6 本章小结…………………………………………………………………………15

4 模型验证与不同参数分析…………………………………………………………………16

4.1 数据描述………………………………………………………………………………16

4.2 模型验证与讨论…………………………………………………………………………16

4.3 不同参数分析对比………………………………………………………………16

4.3.1 训练样本数量改变………………………………………………………16

4.3.2 训练步数改变…………………………………………………………………18

4.4 错误识别分析……………………………………………………………………19

4.5 本章小结…………………………………………………………………………21

5 总结与展望………………………………………………………………………………22

5.1 论文工作总结……………………………………………………………………22

5.2 论文应用展望……………………………………………………………………22

致谢………………………………………………………………………………………24

参考文献……………………………………………………………………………………25

1 绪论

1.1课题背景及研究的意义

随着信息化时代的发展，图像已经成为承载大量数字信息的一种重要载体，国防军事、医疗卫生和日常生活等对数字图像的依赖程度逐渐提高，各个领域对于图像处理系统的需求日益提升，因此目前亟待解决的问题就是建立高效准确的图像识别系统，以达到高效自动地处理分析图像信息，为人类生活、生产活动提供一个辅助工具。

动物图像识别作为物体识别的一个特例，其研究意义主要在于为濒临灭绝危险的野生动物物种提供保护，保护物种的多样性。同时一方面可以为普通动物爱好者以及科学研究者提供一个便捷式的工具，另一方面可以为幼儿教育提供一个动物辨识的简易软件。

1.2国内外相关研究状况

基于深度学习的动物识别系统设计与实现可分为深度学习和动物识别两个模块分析研究，两者都是目前国内外研究的热门话题，随着人工智能和大数据时代的到来，深度学习这个名词不再是陌生词汇，相关的论文、专刊如春笋般涌出^[1]。目前人脸识别已经相对成熟地应用于交通安保和门禁系统，而由于当今社会的关注点问题，动物识别相对还是一个盲区，相关的研究和成熟的系统识别工具相对较少，对于动物的图像处理是近几年的热门话题。

1.2.1深度学习研究概况

深度学习是基于对人工神经网络的不断探索得到的成果，深度学习为了能够更好的挖掘数据的分布式特征，它通过对不同的低层特征进行组合，从而形成更加抽象表达的高层特征。深度学习极大地促进了机器学习的发展，受到世界各国相关领域研究人员和高科技公司的高度重视，语音、图像和自然语言处理是深度学习算法应用最广泛的三个研究领域^[2]。

1.2.2动物识别研究概况

目前，关于动物识别的研究，主要集中在如何准确完整的提取出动物特征这个关键领域。近十年来，每年都会有相关的国际会议召开，并且取得了一定的成效。TensorFlow在图像识别系统中的应用相当广泛，也是研究的热门之一，国际上众多重要的杂志都对此发表了相关的专刊^[3]。目前动物识别主要分为基于颜色、基于形状和基于纹理特征三类。