卷积神经网络的算法十篇

卷积神经网络的算法篇1

关键词：树叶识别；支持向量机；卷积神经网络

中图分类号 TP18 文献标识码：A 文章编号：1009-3044（2016）10-0194-03

Abstract： In this paper， the convolution neural network recognition in the leaves， and the process by convolution of image visualization. Experiments show that the neural network application identification convolution leaves a 92% recognition rate. In addition ， this neural network and support vector machine comparative study can be drawn from the study ， convolutional neural network in either speed or accuracy better than support vector machines， visible， convolution neural network in the leaves aspect has good application prospects.

Key words recognition leaves； SVM； convolutional neural network

1 概述

树叶识别与分类在对于区分树叶的种类，探索树叶的起源，对于人类自身发展、科普具有特别重要的意义。目前的树叶识别与分类主要由人完成，但，树叶种类成千上万种，面对如此庞大的树叶世界，任何一个植物学家都不可能知道所有，树叶的种类，这给进一步研究树叶带来了困难。为了解决这一问题，一些模式识别方法诸如支持向量机（Support Vector Machine，SVM）[1]，K最近邻（k-NearestNeighbor， KNN）[2]等被引入，然而，随着大数据时代的到来，这些传统分类算法暴露出越来越多的不足，如训练时间过长、特征不易提取等不足。

上世纪60年代开始，学者们相继提出了各种人工神经网络[3]模型，其中卷积神经网络由于其对几何、形变、光照具有一定程度的不变形，因此被广泛应用于图像领域。其主要特点有：1）输入图像不需要预处理；2）特征提取和识别可以同时进行；3）权值共享，大大减少了需要训练的参数数目，是训练变得更快，适应性更强。

卷积神经网络在国内研究才刚刚起步。LeNet-5[4]就是一种卷积神经网络，最初用于手写数字识别，本文研究将卷积神经网络LeNet-5模型改进并应用于树叶识别中。本文首先介绍一下卷积神经网络和LeNet-5的结构，进而将其应用于树叶识别，设计了实验方案，用卷积神经网络与传统的模式识别算法支持向量机（SVM）进行比较，得出了相关结论，并对进一步研究工作进行了展望。

2人工神经网络

人工神经网络方面的研究很早就已开展，现在的人工神经网络已经发展成了多领域、多学科交叉的独立的研究领域。神经网络中最基本的单元是神经元模型。类比生物神经元，当它“兴奋”时，就会向相连的神经元发送化学物质，从而改变这些神经元的状态。人工神经元模型如图1所示：

上述就是一个简单的神经元模型。在这个模型中，神经元接收来自n个其他神经元传递过来的输入信号，这些信号通过带权重的w进行传递，神经元接收到的总输入值将与神经元的阈值进行比较，然后通过“激活函数”来产生输出。

一般采用的激活函数是Sigmoid函数，如式1所示：

[σz=11+e-z] （1）

该函数图像图2所示：

2.1多层神经网络

将上述的神经元按一定的层次结构连接起来，就得到了如图3所示的多层神经网络：

多层神经网络具有输入层，隐藏层和输出层。由于每一层之间都是全连接，因此每一层的权重对整个网络的影响都是特别重要的。在这个网络中，采用的训练算法是随机梯度下降算法[5]，由于每一层之间都是全连接，当训练样本特别大的时候，训练需要的时间就会大大增加，由此提出了另一种神经网络―卷积神经网络。

2.2卷积神经网络

卷积神经网络（CNN）由于在图像分类任务上取得了非常好的表现而备受人们关注。发展到今天，CNN在深度学习领域已经成为了一种非常重要的人工神经网络。卷积神经网络的核心在于通过建立很多的特征提取层一层一层地从图片像素中找出关系并抽象出来，从而达到分类的目的，CNN方面比较成熟的是LeNet-5模型，如图4所示：

在该LeNet-5模型中，一共有6层。如上图所示，网络输入是一个28x28的图像，输出的是其识别的结果。卷积神经网络通过多个“卷积层”和“采样层”对输入信号进行处理，然后在连接层中实现与输出目标之间的映射，通过每一层卷积滤波器提取输入的特征。例如，LeNet-5中第一个卷积层由4个特征映射构成，每个特征映射是一个24x24的神经元阵列。采样层是基于对卷积后的“平面”进行采样，如图所示，在第一个采样层中又4的12x12的特征映射，其中每个神经元与上一层中对应的特征映射的2x2邻域相连接，并计算输出。可见，这种局部相关性的特征提取，由于都是连接着相同的连接权，从而大幅度减少了需要训练的参数数目[6]。

3实验研究

为了将LeNet-5卷积网络用于树叶识别并检验其性能，本文收集了8类树叶的图片，每一类有40张照片，如图5所示的一张树叶样本：

本文在此基础上改进了模型，使用了如图6卷积神经网络模型：

在此模型中，第一个卷积层是由6个特征映射构成，每个特征映射是一个28*28的神经元阵列，其中每个神经元负责从5*5的区域通过卷积滤波器提取局部特征，在这里我们进行了可视化分析，如图7所示：

从图中可以明显地看出，卷积网络可以很好地提取树叶的特征。为了验证卷积神经网络与传统分类算法之间的性能，本文基于Python语言，CUDA并行计算平台，训练同样大小8类，一共320张的一批训练样本，采用交叉验证的方法，得到了如表1所示的结论。

可见，无论是识别率上，还是训练时间上，卷积网络较传统的支持向量机算法体现出更好地分类性能。

4 总结

本文从人工神经网络出发，重点介绍了卷积神经网络模型LeNet-5在树叶识别上的各种研究并提取了特征且进行了可视化，并与传统分类算法SVM进行比较。研究表明，该模型应用在树叶识别上较传统分类算法取得了较好的结果，对收集的树叶达到了92%的准确率，并大大减少了训练所需要的时间。由于卷积神经网络有如此的优点，因此在人脸识别、语音识别、医疗识别、犯罪识别方面具有很广泛的应用前景。

本文的研究可以归纳为探讨了卷积神经网络在树叶识别上的效果，并对比了传统经典图像分类算法，取得了较好的分类精度。

然而，本文进行实验的样本过少，当数据集过多的时候，这个卷积神经网络算法的可行性有待我们进一步的研究；另外，最近这几年，又有很多不同的卷积神经网络模型出现，我们会继续试验其他的神经网络模型，力求找到更好的分类算法来解决树叶识别的问题。

参考文献：

[1]Bell A， Sejnowski T. An Information-Maximization Approach to Blind Separation and Blind Deconvolution[J]. Neural Computation， 1995， 7（6）：1129-59.

[2]Altman N S. An Introduction to Kernel and Nearest-Neighbor Nonparametric Regression[J]. American Statistician， 1992， 46（3）：175-185.

[3]Ripley B D， Hjort N L. Pattern Recognition and Neural Networks[M]. Pattern recognition and neural networks. Cambridge University Press，， 1996：233-234.

[4]Lécun Y， Bottou L， Bengio Y， et al. Gradient-based learning applied to document recognition[J]. Proceedings of the IEEE， 1998， 86（11）：2278-2324.

卷积神经网络的算法篇2

以上文章都结合卷积神经网络模型对交通标志分类做了大量的研究，避免了复杂的人工特征提取算法的设计，研究结果具有一定的参考性。在现有卷积神经网络模型的启发下，以上文章都采用分类器。而训练分类器需要大量样本，因而在小样本数据下，采用分类器容易造成过拟合，降低网络的泛化性。同时，由于SVM分类器在小样本数据集上具有出色分类性能，本文提出一种基于卷积神经网络和多类SVM分类器[[4]的交通标志识别模型。此模型利用卷积神经网络强大的特征提取和泛化能力，使得算法在复杂环境中依然具有可靠的识别结果。  首先，本文通过迁移学习策略「51L61对AlexNet网络[7]特征提取部分进行微调，并将微调结果作为本文的特征提取器。然后将卷积神经网络提取的特征作为多类SVM分类器的输入。同时为了进一步防止过拟合现象的发生，本文在SVM分类器中加入dropout层，利用随机置零策略进行参数选择。最后，文章通过实验结果证实本文提出的分类模型相比于采用softmax分类器有更好的准确率、在复杂背景中具有较高的识别率和较强的鲁棒性棒。1卷积神经网络和SVM

1.1  AlexNet网络    

AlexNet网络是著名的卷积分类网络，可成功实现对1000类别物体的分类。其结构可以分为特征提取器和分类器两部分。    

特征提取器主要由卷积层、池化层、激活函数组成。卷积层由大小不同的卷积核组成，卷积核类似于传统视觉中的特征提取算子。但区别于传统视觉算子，卷积核参数由网络自己学习得到，可以提取图像从底层到高层的不同特征信息。池化层常连接在卷积层之后，一般常用最大池化操作。池化层可以加强网络对平移变化的鲁棒性。激活函数为网络引入非线性因素，使得网络可以逼近任意函数形式。    

分类层主要由全连接层和多类逻辑回归函数组成。全连接层学习用合理的方式组合特征，可以看为函数映射。逻辑回归函数进行类别概率判别，逻辑回归判别见公式。同时，为了防止全连接层过拟合，AlexNet网络引入dropout层，dropout[9]采用随机置零的方式，防止神经元以特定的方式组合工作，从而防止深度网络的过拟合。p}Y}}}=j1二(‘);B)=艺  e醉x})丫‘eBTx}' }e'  j代表类别，二(i)为输入，k代表类别总数，8，表示将样本x}')映射到j类的参数，B代表er,r=i,z,~…  ,，组成的矩阵，p(少‘)=j}x(仍表示x}'}属于j类的概率。1.2标准SVM    SVM是基于结构风险最小化理论的有监督学习算法，通过寻找最优分割超平面来实现分类[}10}。相比于神经网络，SVM在小样本数据集上也能表现出良好的分类效果，因而得到广泛使用。标准的SVM通过寻求公式(2)的最优解来找到最优超分割平面。minw,b含，，w，，(2)yc> (w·二(‘)+b) >_ 1，i=1, 2,……，m尹)代表第i个样本标签，x}'}代表第i个样本特，m为训练集大小。分类模型设计    

本文提出的分类模型主要分为两部分，特征提取部分和多类SVM分类器。整体结构如图1所示。    

图1中，特征提取器主要对输入图片进行特征提取和融合，最终得到图像的高阶特征并将提取到的信息特征送入多类SVM分类器。dropout层进行参数随机丢失步骤，此步骤通过随机失活神经元可有效防止过拟合的发生;然后结合不加正则化项的SVM算法进行分类，得到最终输出结果。

2.1特征提取器    

卷积神经网络的算法篇3

关键词：卷积神经网络；图像分类；空间变换；可变形卷积

DOIDOI：10.11907/rjdk.171863

中图分类号：TP317.4

文献标识码：A 文章编号：1672-7800（2017）006-0198-04

0 引言

图像分类一直是计算机视觉领域的一个基础而重要的核心问题，具有大量的实际应用场景和案例。很多典型的计算机视觉问题（如物体检测、图像分割）都可以演化为图像分类问题。图像分类问题有很多难点需要解决，观测角度、光照条件的变化、物体自身形变、部分遮挡、背景杂波影响、类内差异等问题都会导致被观测物体的计算机表示（二维或三维数值数组）发生剧烈变化。一个良好的图像分类模型应当对上述情况（以及不同情况的组合）不敏感。使用深度学习尤其是深度卷积神经网络，用大量图像数据进行训练后可以处理十分复杂的分类问题。

卷积神经网络是为识别二维形状而专门设计的一个多层感知器，这种网络结构对平移、缩放、倾斜等扰动具有高度不变性，并且具有强大的特征学习与抽象表达能力，可以通过网络训练获得图像特征，避免了复杂的特征提取与数据重建过程。通过网络层的堆叠，集成了低、中、高层特征表示。AlexNet等网络模型的出F，也推动了卷积网络在海量图像分类领域的蓬勃发展。

1 卷积神经网络

卷积神经网络是人工神经网络的一种，其“局部感知”“权值共享”[1]等特性使之更类似于生物神经网络，网络模型复杂度大大降低，网络训练更容易，多层的网络结构有更好的抽象表达能力，可以直接将图像作为网络输入，通过网络训练自动学习图像特征，从而避免了复杂的特征提取过程。

Yann LeCun等[2]设计的LeNet-5是当前广泛使用的卷积网络结构原型，它包含了卷积层、下采样层（池化层）、全连接层以及输出层，构成了现代卷积神经网络的基本组件，后续复杂的模型都离不开这些基本组件。LeNet-5对手写数字识别率较高，但在大数据量、复杂的物体图片分类方面不足，过拟合也导致其泛化能力较弱。网络训练开销大且受制于计算机性能。

2012年，在ILSVRC竞赛中AlexNet模型[3]赢得冠军，将错误率降低了10个百分点。拥有5层卷积结构的AlexNet模型证明了卷积神经网络在复杂模型下的有效性，并将GPU训练引入研究领域，使得大数据训练时间缩短，具有里程碑意义。AlexNet还有如下创新点：①采用局部响应归一化算法（Local Response Normalization，LRN），增强了模型的泛化能力，有效降低了分类错误率；②使用Dropout技术，降低了神经元复杂的互适应关系，有效避免了过拟合；③为了获得更快的收敛速度，AlexNet使用非线性激活函数ReLU（Rectified Linear Units）来代替传统的Sigmoid激活函数。

Karen等[4]在AlexNet的基础上使用更小尺寸的卷积核级联替代大卷积核，提出了VGG网络。虽然VGG网络层数和参数都比AlexNet多，但得益于更深的网络和较小的卷积核尺寸，使之具有隐式规则作用，只需很少的迭代次数就能达到收敛目的。

复杂的网络结构能表达更高维的抽象特征。然而，随着网络层数增加，参数量也急剧增加，导致过拟合及计算量大增，解决这两个缺陷的根本办法是将全连接甚至一般的卷积转化为稀疏连接。为此，Google团队提出了Inception结构[5]，以将稀疏矩阵聚类为较为密集的子矩阵来提高计算性能。以Inception结构构造的22层网络GoogLeNet，用均值池化代替后端的全连接层，使得参数量只有7M，极大增强了泛化能力，并增加了两个辅助的Softmax用于向前传导梯度，避免梯度消失。GoogLeNet在2014年的ILSVRC竞赛中以Top-5错误率仅6.66%的成绩摘得桂冠。

网络层数的增加并非永无止境。随着网络层数的增加，将导致训练误差增大等所谓退化问题。为此，微软提出了一种深度残差学习框架[6]，利用多层网络拟合一个残差映射，成功构造出152层的ResNet-152，并在2015年的ILSVRC分类问题竞赛中取得Top-5错误率仅5.71%的成绩。随后，对现有的瓶颈式残差结构进行改进，提出了一种直通结构[7]，并基于此搭建出惊人的1001层网络，在CIFAR-10分类错误率仅4.92%。至此，卷积神经网络在越来越“深”的道路上一往直前。

2 可变形的卷积神经网络

2.1 空间变换网络

空间变换网络（Spatial Transformer Network，STN）[8]主要由定位网络（Localisation net）、网格生成器（Grid generator）和可微图像采样（Differentiable Image Sampling）3部分构成，如图1所示。

定位网络将输入的特征图U放入一个子网络（由卷积、全连接等构成的若干层子网络），生成空间变换参数θ。θ的形式可以多样，如需要实现2D仿射变换，那么θ就是一个2×3的向量。

2.3 本文模型

本文以自建的3层卷积网络C3K5（如图6所示）和VGG-16作为基准网络，分别引入空间变换网络、可变形卷积和可变形池化，构造出8个卷积神经网络，用以验证可变形模块对浅层网络和深层网络的影响，如表1所示。

图6中C3K5网络模型包含3个带有ReLU层、LRN层和池化层的卷积模块，卷积层采用步长为1的5×5卷积核，输出保持原大小，池化层采用步长为2核为2×2的最大值池化，即每经过一个卷积模块，特征图缩小为原来的一半。

3 实验与分析

3.1 实验设置

本文实验环境：CPU为Intel i5-7400，8G内存，显卡为GTX1060，采用Cuda8+CuDNN6.0加速。

实验数据集包括公共图像数据集mnist、cifar-10、cifar-100和自建图像数据集pen-7。公共数据集分别有50 000张训练样本图像和10 000张测试样本图像。自建数据集pen-7为京东商城的七类笔图像库，每类有600张图片，图像分辨率为200×200，总计训练样本数3 360，测试样本数840， 图7为其中的14个样本。

3.2 结果与分析

分别将表1中的10个卷积网络应用到mnist、cifar-10、cifar-100和pen-7四个数据集进行训练，batch-size设置100，即每次传入100张图片进行训练，每训练100次测试一次（记为一次迭代），总共迭代100次，取最后10次迭代的准确率计算平均值，得各网络应用在不同数据集的分类结果，如表2所示。

实验结果表明，在卷积网络中引入空间变换网络、用可变形的卷积层和可变形的池化层替换传统的卷积层和池化层，不管是在浅层网络还是在深层网络，都能获得更高的分类准确率，这验证了空间变换网络和可变形卷积（池化）结构，丰富了卷积神经网络的空间特征表达能力，提升了卷积网络对样本的空间多样性变化的鲁棒性。包含3种模块的网络获得了最高的分类精度，使空间变换网络、可变形卷积层和可变形池化层在更多应用场景中并驾齐驱成为可能。

4 结语

通过在现有卷积神经网络中引入空间变换网络、可变形的卷积层和可变形的池化层，使得卷积网络在mnist、cifar-10、cifar-100及自建的pen-7数据集中获得了更高的分类精度，包含3种模块的网络获得了最高分类精度，证明了空间变换网络、可变形的卷积层和可变形池化层都能丰富网络的空间特征表达能力，协同应用于图像分类工作，这为后续研究打下了坚实的基础。

参考文献：

[1]BOUVRIE J. Notes on convolutional neural networks[J].Neural Nets，2006（1）：159-164.

[2]Y LECUN，L BOTTOU，Y BENGIO，et al.Gradient-based learning applied to document recognition[J]. Proceedings of the IEEE， 1998， 86（11）： 2278-2324.

[3]KRIZHEVSKY A， SUTSKEVER I， HINTON G E. ImageNet classification with deep convolutional neural networks[C]. International Conference on Neural Information Processing Systems. Curran Associates Inc，2012：1097-1105.

[4]SIMONYAN K， ZISSERMAN A. Very deep convolutional networks for large-scale image recognition[J]. Computer Science， 2014（6）：1211-1220.

[5]SZEGEDY C， LIU W， JIA Y， et al. Going deeper with convolutions[J]. CVPR， 2015（3）：1-9.

[6]HE K， ZHANG X， REN S， et al. Deep residual learning for image recognition[C]. Computer Vision and Pattern Recognition. IEEE， 2015：770-778.

[7]HE K， ZHANG X， REN S， et al. Identity mappings in deep residual networks[J]. arXiv，2016（1603）：5-27.

[8]JADERBERG M， SIMONYAN K， ZISSERMAN A， et al. Spatial transformer networks[J].Computer Science， 2015（5）：1041-1050.

[9]DAI J， QI H， XIONG Y， et al. Deformable convolutional networks[J]. arXiv： 2017（1703）：62-111.

卷积神经网络的算法篇4

关键词】人工智能 AlphaGo 神经突触 机器学习 模式识别

【中图分类号】TP18 【文献标识码】 A

【DOI】10.16619/ki.rmltxsqy.2016.07.002

2016年3月9～15日，谷歌公司研发的AlphaGo围棋软件与韩国棋圣李世石进行了五场人机对决，AlphaGo以4比1的比分取得了压倒性的胜利。这个比赛结果不仅震惊了整个围棋界，也让人工智能领域的许多专家学者跌破眼镜，更让人工智能走出象牙塔，成为许多普通百姓茶余饭后的热点话题。这场人机围棋巅峰对决不仅向全世界展示了人工智能的强大实力与巨大应用潜力，也在人类社会引起了不小的恐慌和忧虑。人们开始认真思考以下这些问题：机器智能最终会超越人类智能吗？人工智能将会如何改变人类社会？未来的智能机器会像电影《终结者》里所描述的那样试图主宰人类、甚至消灭人类吗？要想回答这些问题，我们首先需要了解人工智能的本质及其基本原理，进而讨论其发展的规律和前景。当前，人工智能领域最前沿的分支学科当属机器学习分支。本文首先对机器学习分支中最受世人瞩目的研究成果――深度学习卷积神经网络――做一个简单综述，进而围绕机器学习的本质及其基本原理进行探讨。接下来，通过对人脑认知机理最新研究成果的概括介绍，揭示机器智能与人类智能的本质差异，比较两种智能的优势与劣势。通过机器智能与人类智能的优劣势比较，试图找出上述几个问题的答案。

深度学习卷积神经网络

过去几年里，深度学习卷积神经网络所取得的成就足以使它成为人工智能王冠上最光彩夺目的明珠。基于深度学习卷积神经网络的语音识别系统把语音识别的精度提高到了产品级的精度，从而为人类与计算机及各种智能终端之间提供了一种崭新的、更为便捷的交互方式。将深度学习卷积神经网络应用于图像内容及人脸的识别，科学家们取得了能够与人类视觉系统相媲美的识别精度。战胜韩国棋圣李世石的谷歌围棋软件AlphaGo能够取得如此辉煌的战绩，深度学习卷积神经网络也发挥了关键性的作用。接下来，我们对深度学习卷积神经网络的起源及其原理做一个简单介绍。

脑神经科学领域的大量研究表明，人脑由大约1011个神经细胞及1015个神经突触组成，这些神经细胞及其突触构成一个庞大的生物神经网络。每个神经细胞通过突触与其它神经细胞进行连接与信息传递。当通过突触所接收到的信号强度超过某个阈值时，神经细胞便会进入激活状态，并通过突触向上层神经细胞发送激活信号。人类所有与意识及智能有关的活动，都是通过特定区域神经细胞之间的相互激活与协同工作而实现的。

早于1943年，美国心理学家W.S. McCulloch和数学家W. A. Pitts就在他们的论文中提出了生物神经元的计算模型（简称M-P①模型），为后续人工神经网络的研究奠定了基础。M-P模型的结构如图1（a）所示，它包含n个带有权重的输入，一个输出，一个偏置b和一个激活函数组成。n个输入代表来自下层n个神经突触的信息，每个权重W）代表对应突触的连接强度，激活函数通常采用拥有S-型曲线的sigmoid函数（参见图1（b）），用来模拟神经细胞的激活模式。

早期的人工神经网络大都是基于M-P神经元的全连接网络。如图2所示，此类网络的特点是，属于同一层的神经元之间不存在连接；当前层的某个神经元与上一层的所有神经元都有连接。然而，人们很快发现，这种全连接神经网络在应用于各种识别任务时不但识别精度不高，而且还不容易训练。当神经网络的层数超过4层时，用传统的反向传递算法（Back Propagation）训练已经无法收敛。

1983年，日本学者福岛教授基于Hubel-Wiese的视觉认知模型提出了卷积神经网络计算模型（Convolution Neural Network，简称CNN）。早在1962年，Hubel和Wiesel通过对猫视觉皮层细胞的深入研究，提出高级动物视觉神经网络由简单细胞和复杂细胞构成（如图3所示）。神经网络底层的简单细胞的感受野只对应视网膜的某个特定区域，并只对该区域定方向的边界线产生反应。复杂细胞通过对具有特定取向的简单细胞进行聚类，拥有较大感受野，并获得具有一定不变性的特征。上层简单细胞对共生概率较高的复杂细胞进行聚类，产生更为复杂的边界特征。通过简单细胞和复杂细胞的逐层交替出现，视觉神经网络实现了提取高度抽象性及不变性图像特征的能力。

卷积神经网络可以看作是实现上述Hubel-Wiesel视觉认知模型的第一个网络计算模型。如图4所示，卷积神经网络是由卷积层（Convolution Layer）与降采样层（Sampling Layer）交替出现的多层神经网络，每层由多个将神经元排列成二维平面的子层组成（称为特征图，Feature Map）。每个卷积层和上层降采样层通常拥有相同数量的特征图。构成卷积层x的每个神经元负责对输入图像（如果x=1）或者x-1降采样层的特征图的特定小区域施行卷积运算，而降采样层y的每个神经元则负责对y-1卷积层的对应特征图的特定小区域进行Max Pooling（只保留该区域神经元的最大输出值）。卷积运算中所使用的卷积核系数都是通过学习训练自动获取的。卷积层中属于同一个特征图的神经元都共享一个卷积核，负责学习和提取同一种图像特征，对应Hubel-Wiesel模型中某种特定取向的简单细胞。卷积层中不同的特征图负责学习和提取不同的图像特征，对应Hubel-Wiesel模型中不同类型的简单细胞。而降采样层y中神经元的Max Pooling操作等同于Hubel-Wiesel模型中复杂细胞对同类型简单细胞的聚类，是对人脑视觉皮层复杂细胞的简化模拟。

上世纪90年代初期，贝尔实验室的Yann LeCun等人成功应用卷积神经网络实现了高精度手写数字识别算法，所提出的系列LeNet，都达到商用级识别精度，被当时美国邮政局和许多大银行用来识别信封上的手写邮政编码及支票上面的手写数字。然而，受制于90年代计算机有限的内存和弱小的运算能力，LeNet网络采用了较浅的网络结构，每层使用的特征图数目也很少。尽管它在小规模图像识别问题上取得了较好的效果，但与传统机器学习算法（如SVM，AdaBoost等）相比，优势并不十分明显。此外，由于卷积神经网络拥有很高的自由度，设计出一款性能优异的网络需要灵感并配合丰富的经验积累，是一项极具挑战性的工作。因此卷积神经网络在被提出后的很长一段时间里并未得到足够的重视和广泛的应用。

2012年，加拿大多伦多大学Geoffrey Hinton教授的团队提出了一个规模比传统CNN大许多的深度卷积神经网络（简称AlexNet）。该网络拥有5个卷积与降采样层、3个全连接层，每个卷积与降采样层拥有96384个特征图，网络参数达到6000多万个。利用AlexNet，Hinton团队在国际上最具影响力的图像内容分类比赛（2012 ImageNet ILSVRC）中取得了压倒性胜利，将1000类图像的Top-5分类错误率降低到15.315%。在这次比赛中，获得第二、三、四名的团队均采用了传统机器学习算法。三个团队的Top-5图像分类错误率分别是26.17%、26.98%和27.06%，相差不到1个百分点，而他们的成绩和第一名相比却低了超过10个百分点，差距十分明显。当前，深度卷积神经网络（Deep CNN）相对传统机器学习算法的优势还在不断扩大，传统学习方法在多个领域已经完全无法与Deep CNN相抗衡。

机器学习算法的基本原理及其本质

在几千年的科学探索与研究中，科学家们提出了许多描述自然界及人类社会中各种事物与现象的数学模型。这些模型主要可以被归纳为以下三大类别。

归纳模型：由少数几个参数（变量）构成，每个变量都具有明确的物理意义。这类模型能够真正揭示被描述对象的本质及规律，许多数学和物理定律都是典型的归纳模型。

预测模型：用一个拥有大量参数的万能函数来拟合用户所提供的训练样本。万能函数的参数一般不具备任何物理意义，模型本身往往只能用来模拟或预测某个特定事物或现象，并不能揭示被描述事物或现象的本质及内在规律。当代的大多数机器学习算法都是构建于预测模型之上的。例如，单隐层全连接神经网络所使用的数学模型是：

上式中，x代表神经网络的输入，代表神经网络的参数集，M是隐层神经元的个数。这个数学模型如同一个橡皮泥，可以通过变换它的参数集被塑造成任何形状。给定一个训练样本集，其中分别代表训练样本i以及人工赋予该样本的标签（标签表示样本的类别或某种属性），通过利用T进行训练，我们就能够得到一个优化的参数集，使神经网络能够很好地拟合训练样本集T。当新的未知样本x出现时，我们就能够利用训练好的神经网络预测出它的标签y。显而易见，神经网络的参数集规模与神经元的数目及输入x的维数成正比，所有参数没有任何物理意义，模型本身也不具备揭示被描述对象的本质及内在规律的能力。

直推模型：没有明确的数学函数，利用所采集的大数据预测特定输入的标签。此类模型认为针对某个事物或现象所采集的大数据就是对该事物或现象的客观描述。大数据的规模越大，对事物或现象的描述就越全面和准确。当新的未知样本x出现时，我们可以在大数据中找到x的K近邻，根据K近邻的标签或属性来决定x的标签或属性。显而易见，由于不需要定义明确的数学模型，与其它模型相比，直推模型最简单直接，但因为依靠大数据来决定未知样本的标签，直推模型往往需要较高的计算量及使用成本。同样，直推模型也不能被用来揭示事物或现象的本质及内在规律。

应当指出，随着互联网用户数量的不断增长以及互联网技术的快速进步，利用互联网获取内容或用户大数据变得越来越简单廉价，利用直推模型来预测某个事物或现象也变得越来越普及。例如，许多互联网搜索引擎利用每个网页的用户点击率来改进搜索网页的排序精度，就是直推模型在互联网内容搜索领域的一个成功应用。

综上所述，机器学习算法的本质就是选择一个万能函数建立预测模型。利用用户提供的训练样本对模型进行训练的目的，就是选择最优的参数集，使模型能够很好地拟合训练样本集的空间分布。通过训练得到的预测模型，实际上把训练样本集的空间分布提取出来并编码到其庞大的参数集中。利用这个训练好的预测模型，我们就能够预测新的未知样本x的标签或属性。当今大多数机器学习算法都是基于这个原理，谷歌公司的AlphaGo也不例外。

针对某个事物或现象所采集的训练样本，是对该事物或现象的直观描述，蕴藏着大量与之相关的先验知识。例如，ImageNet ILSVRC国际图像内容分类比赛所提供的训练样本集拥有1000类、总共一百多万张彩色图像。每一类都对应自然界中的一种常见物体，如汽车、飞机、狗、鸟，等等，包含大约1000张从不同场景及不同角度拍摄的该种物体的彩色图像。利用这个训练样本集训练出来的深度卷积神经网络，实际上是将每类物体的共性特征及个体差异等进行信息提取与编码，并记忆到其庞大的参数集中。当新的未知图像出现时，神经网络就能够利用已编码到参数集中的这些先验知识，对输入图像进行准确的识别与分类。

同样，谷歌公司在训练AlphaGo时，收集了20万个职业围棋高手的对局，再利用AlphaGo不同版本间的自我对弈生成了3000多万个对局。3000多万个围棋对局包含了人类在围棋领域所积累的最为丰富和全面的知识与经验。当新的棋局出现时，AlphaGo利用被编码于其庞大参数集中的这些先验知识，预测出胜率最高的一步棋，以及这步棋所产生的最终胜率。由于AlphaGo针对3000多万个对局进行了学习与编码，它对每一步棋的胜负判定甚至比九段棋手还要准，人类棋圣输给AlphaGo也就不足为奇了。

人类智能的本质与特性

对于人脑及其高度复杂的智能，人类至今还所知甚少。关于“智能”这个名词的科学定义，学术文献中就存在着许多个版本。即使是少数几个被深入研究的认知功能（如人脑的视觉认知功能）的工作机理，也还存在着各种各样的假说和争议。在这里，我们列出若干较具代表性、认可度相对较高的关于人脑智能的假说及阐述。

人类智能的本质是什么？这是认知科学的基本任务，也是基础科学面临的四大难题（Simon）中最后、最难解决的一个。每门基础科学都有其特定的基本单元，例如高能物理学的基本粒子，遗传学的基因、计算理论的符号、信息论的比特等。因此，“人类智能的本质是什么”这个问题在某种程度上取决于“什么是认知基本单元”。众所周知，适合描述物质世界的变量并不一定适合描述精神世界。因此，认知基本单元是什么这个问题，不能靠物理的推理或计算的分析来解决，根本上只有通过认知科学的实验来回答。大量实验结果显示，认知基本单元不是计算理论的符号，也不是信息论的比特，而是知觉组织形成的“知觉物体”。例如，实验表明，当人的视觉系统注意一只飞鸟的时候，它所注意的是整只鸟（即一个知觉物体），而不是鸟的某个特性（形状、大小、位置等）。尽管在飞行过程中鸟的各种特征性质在改变，但它是同一个知觉物体的性质始终保持不变。诺奖得主Kahneman认为，知觉物体概念的直觉定义正是在形状等特征性质改变下保持不变的同一性。中科院陈霖院士领导的团队在发展了30多年的拓扑性质知觉理论的基础上，提出大范围首先的知觉物体拓扑学定义：知觉物体的核心含义，即在变换下保持不变的整体同一性，可以被科学准确地定义为大范围拓扑不变性质。应当指出，上述大范围首先知觉物体的概念，与人工智能领域广为认同与采纳的由局部到整体，由特征到物体，由具体到抽象的认知计算模型是完全背道而驰的，因而在人工智能领域并没有得到足够的重视及应用。

大量认知科学领域的实验研究表明，人类智能具有以下几个特性。

人类智能的目标不是准确。人类智能并不追求在精神世界里客观准确地再现物理世界。上帝设计人类智能时，不假思索地直奔“生存”这一终极目标而去：用最合理的代价，获取最大的生存优势。人类大脑的平均能耗大约只有20瓦，相对于庞大的计算机系统来说只是九牛一毛。尽管人脑的重量只有1400克左右，约占人体重量的2.3%，但它的血液供应量却占到了全身的15.20%，耗氧量超过全身的20%，对于人类已经接近其生理可以负担的极限。在这种资源极其有限的条件下，人脑通过以下几种方式实现了最有效的资源调配，由此来保障最有意义的生理和智能活动。

第一，主观能动的选择性。精神世界不是对物理世界的简单映射，而是非常扭曲和失真的。体积相对较小的手指、舌头等重点区域，在感觉运动中枢里却占据大部分的皮层区域。同样，在视觉上只有对应中央视野的视网膜具有很高的空间、颜色分辨率，而更广泛的外周视野只对物体的突然出现或消失，以及物体的运动更敏感。人类视觉处理的通常方式是，外周视野的显著变化会在第一时间被捕获，做出应激反应，然后再把中央视野移动到目标上进行后续的处理。

人类通过知觉组织的选择性注意机制，直接感知输入信号中的大范围不变性质，而忽略大量的局部特征性质。大量视而不见的现象，在实验室研究中表现为注意瞬脱、变化盲视等等。比如，尽管可以清晰地分辨出霓虹灯中的色块颜色、形状各不相同，甚至在空间和时间上都不连续，人脑仍然把这些色块看成是同一个物体，从而产生运动的感觉。研究表明，这种运动错觉本质上不是运动，其生态意义在于对知觉对象进行不变性抽提。另一方面，人脑会主动把忽略的部分补充回来。而通过经验知识，上下文关系等补充回来的信息，难免有错。所谓错觉就是精神世界和物理世界的错位。这些错觉的生态意义在于在有限资源条件下，快速直接地形成稳定的感知。这种机制既是人类天马行空的联想能力和创造力的源泉，同时也是各种精神心理疾患的生物学基础。

第二，模块化的层次结构和分布式表征。当前认知科学越来越依赖于脑成像技术的发展。功能模块化假设认为，大脑是由结构和功能相对独立、专司特定认知功能的多个脑区组成。这些模块组成复杂的层次结构，通过层次间的传递和反馈实现对输入信号的主动调节。大量脑成像的研究实验也支持了这一假设，特别是视觉研究发现了非常详细而复杂的功能模块及其层次结构。另一方面，分布式表征的假说认为，认知功能的神经机制是相对大范围的分布式脑状态，而不是特定脑区的激活与否。当前研究认为，人脑是模块化和分布式表达共存的自能系统。

第三，反应性活动和内生性活动。人脑不是一个简单的刺激―反应系统，大量的内生性活动甚至比反应性活动还多。人脑在所谓的静息状态下的耗氧量与任务状态下相比差别很小。然而几乎所有的经典认知科学研究都是建立在刺激反应实验范式的基础之上。这种实验范式是让实验对象在特定的条件下完成特定的认知任务，收集并分析实验对象的行为或生理反应，通过对实验数据的充分比照，建立人脑某种活动模式或认知机理的假设。内生性活动因其往往只能通过内省的方式进行研究，而被长期排除在认知科学的研究主流之外。随着脑成像技术的发展，功能连接成为分析静息态大脑自发活动的有力工具。特别是默认网络的发现，创立了强调内生性活动的全新脑功能成像研究范式。默认网络被认为涉及警觉状态、自我意识、注意调控以及学习记忆等心理认知过程，已被广泛应用于社会认知、自我、注意、学习、发育、衰老机制的研究，有力推动了各种脑生物指标的完善和脑疾病的治疗，这些疾病包括阿尔兹海默病、帕金森病、抑郁症、精神分裂症和自闭症等等。

因此，整合现有研究中有关分布式表达和内生性活动的最新研究成果，可能会带来对人脑活动模式（人类智能的物质基础）一种全新的理解。

人类智能的本质不是计算。人类智能体现在对外部环境的感知、认知、对所观察事物或现象的抽象、记忆、判断、决策等。然而，这些智能并不是人类所独有。许多高等动物，如狗、猴子、猩猩，也或多或少具有类似的能力。同时，计算并不是人类智能的强项。真正将人类与其它动物区分开来的，是人类的逻辑推理能力、想象力、创造力以及自我意识。人类利用这类能力能够想象并且创造出自然界中不存在的东西，如汽车、飞机、电视、计算机、手机，互联网。这类能力是推动人类社会不断发展与进步的源泉，是生物智能的圣杯。

而对代表生物智能最高水平的上述能力，人类目前还所知甚少，对其机理的研究还处于启蒙阶段。研究表明，这些能力不是依靠计算得来的，而似乎是与联想记忆及人类丰富的精神世界有关。基于脑信号的分析实验发现，人脑的海马回、海马旁回、杏仁核等脑区中存在着大量专司特定联想记忆的神经细胞。例如，上述脑区中存在单个或一小簇神经细胞，会被与美国前总统克林顿相关的所有刺激信号所激活，无论刺激信号是关于克林顿的图片，还是Clinton这个英语单词，还是克林顿本人的语音回放。显然，这些神经细胞并不是被某个模态的特定特征所激活，它们所对应的是克林顿这个抽象概念。此外，脑成像研究表明，围棋专业棋手相对于业余棋手更多的是依赖联想记忆系统，而非逻辑推理来下棋。实际上，围棋界训练棋手的最常用方法就是将高手对局中的关键部分拆解成许多死活题，棋手通过大量死活题的解题训练来提高自己联想记忆的经验和效率。

机器智能与人类智能的优势与劣势

当代的计算机拥有强大的存储与运算能力。伴随着计算技术的不断发展与进步，这些能力的增长似乎还远没有到达尽头。早在1997年，IBM的“深蓝”超级电脑就战胜了国际象棋冠军卡斯帕罗夫。但这次胜利在人工智能领域并没有产生太大的反响，原因在于，“深蓝”几乎纯粹是依靠强大的运算能力遍历所有的可能性，利用“蛮力”取胜的。“深蓝”所遵循的，就是“人工智能即是计算加记忆”这个简单法则。由于围棋的搜索空间比国际象棋大很多，“深蓝”的这种制胜策略针对围棋是行不通的。与“深蓝”相比，AlphaGo的最大进步就是从“计算加记忆”进化到“拟合加记忆”法则。它利用深度卷积神经网络这个万能函数，通过学习来拟合两千多年来人类所积累的全部经验及制胜模式，并将其编码到神经网络的庞大参数集中。对于当前棋局的任何一个可能的落子，训练好的神经网络都能够预测出它的优劣，并通过有限数量的模拟搜索，计算出最终的获胜概率。这样的战略不需要对棋局的所有可能性做遍历搜索，更像人类棋手所使用的策略。然而，由于AlphaGo对每个落子以及最终胜率的预测，是建立在围棋界两千多年来所形成的完整知识库之上的，它的预测比人类最优秀的棋手更准确。与其说李世石输给了机器系统，不如说输给了人类棋艺的集大成者。由此推断，AlphaGo取胜也是情理之中的事。

与机器相比，人类智能的最大优势当属它的逻辑推理能力、想象力、创造力及其高效性。人脑功耗只有20多瓦，处理许多感知及认知任务（如图像识别、人脸识别、语音识别等）的精度与拥有庞大内存、运算速度达到万亿次的超级电脑相比却毫不逊色。尽管机器智能很可能在不远的将来在类竞赛中全面超越人类，但现有的机器学习框架并不能模拟出人类的想象力和创造力。因此，在当前情况下，机器智能全面超越人类智能的预测是不会成为现实的。

随着机器学习算法的不断发展与进步，计算机借助强大的存储与运算能力，学习人类几千年来发展与进化过程中所积累的完整知识的能力越来越强，借助完整知识库对复杂事务进行预测与判断的准确度将会全面超越人类。由此推断，在未来几十年里，不仅是那些简单重复性的体力劳动将会全面被机器取代，而且那些需要对复杂事务进行评估与判断的工作，如金融投资、企业管理、军事指挥等，也有可能被让位于机器智能。甚至大到整个国家，也可能会越来越依靠机器智能预测政治、经济、外交发展趋势，制定最优的政策方针及发展规划。实际上，许多发达国家的智囊机构已经在利用各种评估及预测模型为政府提供对各种事物的预测与判断，提出政策建议或解决方案。

然而，当前的机器学习框架无法模拟人类的想象力及创造力，科学研究与发明创造仍将是人类的优势所在。不难预测，在未来人类社会的发展进程中，将有越来越多的人从事科学研究以及新产品的设计研发工作。社会对每个人的知识能力、智慧以及发明创造力的要求将会越来越高，不具备这些能力的人们将会无法找到满意的工作，逐渐成为处于社会底层的贫困阶层。了解并解决科技迅速发展所带来的社会挑战，仍然是人类需要面对的任务，而机器是无法替代人类解决这些问题的。

（中科院生物物理所脑与认知国家重点实验室周天罡、西安交通大学电信学院韩劲松对本文亦有贡献）

责 编/凌肖汉

卷积神经网络的算法篇5

关键词：物联网；人脸识别；视频网络

1物联网及人脸识别视频网络技术的发展

1.1物联网视频网络技术的发展状况

最近几年，随着物联网技术、图像处理技术以及数据传输技术的快速发展，视频网络技术应运而生并取得了长足的发展。当前，视频网络系统作为一种模拟数字控制系统，其具有非常成熟和稳定的性能，已广泛应用于实际工程中。虽然数字系统发展迅速，但尚未完全形成相应的体系，因此，混合数字和模拟应用程序逐渐迁移到数字系统将成为未来发展的主要趋势之一。当前，国内外市场上主流的产品主要有两种，即模拟视频数字网络系统、数字视频网络系统。前者技术先进，性能稳定，被广泛应用于实际工程应用中，特别是大中型视频网络项目。后者作为一种新兴技术，是一种通过以计算机技术和视频压缩为核心的新型视频网络系统，其有效的避免了模拟系统所存在的一些弊端，但未来仍需要进行不断的改进和发展。外部集成、视频数字化、视频网络连接、系统集成是未来视频网络系统发展的重要研究方向。数字化是网络的前提，而网络是系统集成的基础。因此，视频网络领域的两个最大发展特征是：数字化和网络化。

1.2人脸识别视频网络的发展状况

人脸识别技术作为模式识别领域中的一项前沿课题，截止目前，已有三十多年的研究历史。人脸识别目前是模式识别和人工智能的研究热点，目前主要采用AdaBoost分类器进行人脸区域的检测，人脸识别研究的内容大致分为以下内容：（1）人脸检测：其指的是在不同场景下的人脸检测及其位置。人脸检测是通过在整个输入的图像中找到一个合适的人脸区域为目的，并将该图像分为人脸区域和非人脸区域两部分。在实际的某些理想情况下，由于可以人为手动控制拍摄环境，因此，可以轻松确定人脸的位置；但是在大多数情况下，由于场景更加复杂，因此，人脸的位置是未知的。因而在实际的人脸识别视频网络过程中，首先必须确定识别场景中是否有人脸的存在，如果存在人脸，再进一步确定图像中人脸的具体区域。（2）人脸识别：将系统检测到的人脸特征信息与系统数据库中存在的已知人脸信息进行充分识别与匹配，以此获取相关信息，该过程的本质是选择正确的人脸模型和匹配策略。在实际生活的应用当中，由于成人的面部模型处于不断变化当中，且容易受到时间、光线、相机角度等方面的差异，因而很难用一张图纸表达同一个人的面部图像，这使得提取特征变得困难，由于大量的原始灰度图像数据，神经元的数量通常很大并且训练时间很长。除此之外，完全依赖于神经网络的识别方法具有当前计算机系统固有的局限性，尽管神经网络具有很强的感应能力，但是随着样本数量的增加，其性能可能会大大降低。简而言之，由于年龄，表情，倾斜度和其他表征对象的因素的多样性，很难进行人脸识别，因此，识别该对象的效果仍远未达到现实。目前，普遍采用AdaBoost算法来对出现在视频中的人脸区域进行检测，以此达到实时获取人脸图像的目的，AdaBoost算法的原理是通过训练得到多个不同的弱分类器并将这些弱分类器通过叠加、级联得到强分类器，AdaBoost算法流程如图1所示。（3）表情分析：即对面部表情信息（幸福，悲伤，恐惧，惊奇等）进行分析和分类。当前，由于问题的复杂性，正在对面部表情的分析进行研究，它仍处于起步阶段。心理学表明，至少有六种与不同面部表情相关的情绪：幸福，悲伤，惊奇，恐惧，愤怒和恶心。即与没有表情的面部特征相比，这六个表情的面部特征具有相对独特的运动规则。（4）生理分类：分析已知面孔的生理特征，并获得相关信息，例如种族、年龄、性别和职业。显然，此过程需要大量知识，通常非常困难和复杂。

2物联网卷积神经网络人脸识别方法分析

卷积神经网络是专门设计用于识别二维形状的多层感知器。通常，可以使用梯度下降和反向传播算法来训练网络。从结构上讲，卷积神经网络包含三个概念：局部感受野、权重共享和下采样，使其在平移，缩放，倾斜或其他形式的变形中相当稳定。当前，卷积神经网络被广泛用于模式识别，图像处理和其他领域。卷积神经网络（CNN）用于提取目标人脸图像的特征。训练网络后，将先前测试的模型用作面部分类器，微调可以缩短网络模型的训练时间。卷积神经网络的基本体系结构是输入层，卷积层（conv），归约层（字符串），完全连接层和输出层（分类器）。通常有多个卷积层+速记层，此程序实现的CNN模型是LeNet5，并且有两个“卷积+下采样层”LeNetConvPoolLayer。完全连接的层等效于MLP（多层感知器）中的HiddenLayer。输出层是一个分类器，通常使用softmax回归（有些人称为直接逻辑回归，它实际上是多类逻辑回归）。LogisticRegression也直接提供了该软件。人脸图像在视频监控中实时发送到计算机，并且面部区域部分由AdaBoost算法确定。在预处理之后，将脸部图像注入到新训练的预训练模型中进行识别。该过程如图2所示。

3物联网人脸识别视频网络多目标算法优化

多目标优化问题的实质是协调并在各个子目标之间达成折衷，以便使不同的子目标功能尽可能地最佳。工程优化的大多数实际问题都是多用途优化问题，目标通常相互冲突。长期以来，多目标优化一直受到人们的广泛关注，现在已经开发出更多的方法来解决多目标优化问题。如果多标准优化没有最差的解决方案，那么通常会有无限多的解决方案，这并不是最差的解决方案。解决面部强调时，人们不能直接应用许多次等解决方案。作为最后的决定，我们只能选择质量不是最低，最能满足我们要求的解决方案。找到最终解决方案的方法主要有三种。因此，只有通过找到大量有缺陷的解决方案以形成有缺陷的解决方案的子集，然后根据我们的意图找到最终的解决方案。基于此，多目标算法是通过将多准则问题转变为一个关键问题，这种方法也可以视为辅助手段。这种方法的棘手部分是如何获取实际体重信息，至于面部特征，我们将建议一种基于权重的多功能优化算法，该算法可以更好地反映脸部的特征。我们将人脸的每个特征都视为多个目标，并且在提取面部特征时，面部特征会受到外界的强烈影响，例如位置，光照条件和强度的变化，并且所有部位和每个部位都会受到影响。因此，我们可以使用加权方法从每个受影响的分数中提取不同的权重。通过开展试验测试，结果表明，在有多目标优化的算法的作用下，比在没有多目标优化的算法作用下人脸识别效果有所提高，大约提高了5—10个百分点。

4结论

鉴于多准则优化算法在科学研究的各个领域中的广泛使用，本文提出了一种多准则优化算法来对复杂的多准则人脸图像上的各种面部特征进行特征提取的多准则优化，以达到提高人脸识别率的目标、提高整个人脸识别视频网络系统的性能。

参考文献

[1]江斌,桂冠.基于物联网的人脸识别视频网络的优化方法研究[C]//物联网与无线通信-2018年全国物联网技术与应用大会论文集.2018.

[2]余雷.基于物联网的远程视频监控优化方法研究[J].科技通报,2014(6).

[3]张勇.远程视频监控系统的传输技术的实现[D].电子科技大学,2011(9)

卷积神经网络的算法篇6

关键词：温室；卷积神经网络；自动控制；自适应

随着现代化农业生产技术的快速发展，作为农业现代化重要标志之一的温室控制技术[1]也面临着重大的技术改进。如何提高温室控制系统对温室环境的高效、准确控制，提高控制系统的智能化、网络化[2]程度，降低系统成本是目前需要重点改进的技术。针对目前温室控制系统对温室环境因子调节不够准确，控制系统成本高，智能化、网络化程度低的不足，文章综合考虑温室环境因素之间的相互影响对温室环境的影响，设计了一种应用嵌入式加单片机控制的基于卷积神经网络的温室智能监控系统。

1 系统总体设计

基于卷积神经网络[3]的温室智能大棚监控系统由四种下位机数据采集单元、数据传输线路、以及系统上位机三大部分组成，如图1所示。

在温室环境中，温度、湿度、光照强度、CO2浓度四个因素对作物的影响最大且很难合理有效的控制调节。文章研究以上四个环境因子之间的相互影响并对其进行科学的调节控制。本系统采用多个传感器[4]完成上述所需参数数据的采集。为了实时方便的监控大棚内各种环境参数，系统备有数据信息显示界面，由中央处理器通过显示接口外接一个LCD液晶屏，把数据采集单元（变送器）采集到的环境参数，经过打包、处理，通过RS-485衔接串口传送给中央处理器，以此显示大棚内环境参数的变化。中央处理器具备人机交互软件，在接收多个变送器的数据后，可以显示在用户界面上，并且根据收集来的数据通过内部的卷积神经网络程序来控制系统硬件驱动进行相应的操作处理。通过触摸屏上的按键可以对数据进行管理，还可以设定温度、湿度、光照以及CO2浓度的限值。路继电器以及相应的电路驱动模块控制相应的设备来调节温室内的环境参数。

2 系统硬件组成

本系统硬件由四种变送器[5]、上位机ARM920T为核心的嵌入式控制器以及单片机控制系统组成。这里面变送器的功能是把传感器收集来的信号（温度、湿度等）转变为可被控制器识别的电信号，传送给中央处理器。单片机系统通过串口连接各个驱动模块以及继电器来控制大棚内各个设备的状态。上位机嵌入式控制器把单片机传来的信息加工处理并且储存在SQlite中，完成对环境参数数据的实时采集以及分析，并且根据内部卷积自适应控制程序操控驱动模块采取相应的措施来维持温室最佳环境。

2.1 空馕率度变送器

主要技术参数：电源：5号电池，两节；功耗：工作电流，0.2mA，发射电流，15mA；温度精度：±0.5℃；湿度精度：±4.5%；

2.2 光照度变送器

主要技术参数：电源：取自“环境数据监控器”；通讯：RS485，与“环境数据监控器”相连；照度范围：0-200000lux

2.3 CO2变送器

主要技术参数：电源：取自“环境数据监控器”；通讯：RS485，与“环境数据监控器”相连；测量范围：0-10000ppm

2.4 单片机控制系统和嵌入式控制器

此部分通过内部设计好的程序控制温室内各种设备对种植环境参数“采集、存储、监测、分析、预警、控制”，是使系统能够精确测量6种参数的保证，根据6种环境参数的变化，利用卷积程序智能控制设施环境中的相应电器设备，满足不同作物对环境条件的具体要求。

3 系统软件设计

软件系统由单片机控制系统和嵌入式控制系统构成。

3.1 单片机控制系统

单片机控制系统部分主要功能是对天窗、遮阳网、喷淋装置等进行控制。

3.2 嵌入式控制系统

嵌入式控制系统的设计由动态显示模块、控制模块、数据库模块、通信模块四个部分组成。通过动态显示模块可以及时监控各环境因子的变化；控制模块可对整个系统进行操控；数据库模块是为作物生长环境的设定而积累数据，并且系统内部卷积神经网络程序利用这些数据作为输入来进行压缩卷积；通信模块是实现上位机和单片机之间的通信。

4 结束语

基于卷积神经网络的温室智能大棚监控系统，采用ARM加单片机的组合控制方式，虽然成本稍微较高，但避免了传统温室控制系统中对温室环境参数调节不够准确、控制系统成本过高、智能化程度低、以及专家系统的参数决定不准确等弊端设计等问题，集智能检测、通信技术、卷积神经网络、自动控制于一体，利用嵌入式技术进行环境参数的自动检测和可靠传递，运用神经网络算法对数据智能优化，再利用单片机进行自动控制，为一套高性能的自适应智能控制系统。

参考文献

[1]王宝金.农业专家系统应用技术展望[J].计算机与农业，2002（05）.

[2]白涛，吴智铭，杨根科，等.网络化的控制系统[J].控制理论与应用，2004（04）.

[3]张振山，高子恒，范建领.基于VB语言的神经网络专家系统设计与应用[J].计算机测量与控制，2008（08）.

卷积神经网络的算法篇7

一、指导思想

以邓小平理论和“三个代表”重要思想为指针，牢记“两个务必”，认真贯彻党的十六大精神和各级烟草工作会议精神，继续坚持可持续发展和主精副强战略，狠抓规范管理，着力改革创新，提高网络质量，巩固辖区市场，与时俱进，真抓实干，不断推进三个文明协调发展，全力开创**烟草改革与发展的新局面。

二、工作目标

总体目标：学习新知识，树立新观念，建立新机制，实现新突破。达到：整体工作进入岳阳市系统前三名，单项工作分别有两个以上进入岳阳市系统前二名；争创省级双文明建设标兵单位，争创省级模范“职工之家”，争创**市政府目标管理红旗单位；卷烟销售计划执行率100%，积极争取政策范围内的有效货源，综合毛利率同比增长2个百分点，全年实现利润1000万元。

专卖管理：进一步巩固“户籍化”管理模式，全力推行诚信化和社区化管理模式，全面启动专卖信息化管理平台，努力提升信息系统管理，最大限度发挥信息系统的作用，高起点进行网点布局，高质量建设“两档”工作，紧扣新三年阶级性目标，狠抓规范经营，严格执行到货确认制，进一步巩固和扩大“三个四无”成果，全年实现无行政败诉、行政赔偿案件，案件处理准确率与结案率达100%。

网络建设：坚持和不断完善“城乡一体，访送分离”模式；深化“三线互控、一线监督、全员联动”管理模式；稳步推进卷烟零售统价工作；按照“电话订货、网上配货、电子结算、现代物流”的要求实现营销管理标准化、程序化和信息化，继续优化品牌结构，加大新品牌培育力度，确保经营效益稳中有升；进一步落实规范经营措施和“同网同价”工作，积极探索卷烟零售连锁经营模式，全面提升服务质量，确保送货率、访送成功率分别达到100%和辖区销量完成及名优卷烟销售比率有新增长。

企业管理：坚持以财务管理为核心，加大三项费用管理力度，努力提高费用利润率，全面贯彻落实《会计法》，进一步落实财经秩序整顿工作，促进财务规范化管理水平的不断提高；进一步加强和完善竞争机制、用工机制和分配机制，实行中层干部考核考评不合格者淘汰制，员工双向选择、优化组合、以岗定薪、以岗定人；要进一步改革分配制度，实行职工收入与工作业绩挂钩，整体工作与利益联动；进一步加强费用预算管理，变事后监督为事前控制，确保全年费用总额不突破预算；强化安全管理，努力实现安全事故发生率为0；严格层级管理，坚持目标管理责任制，确保企业管理规范、运行有序、形象良好、实力有增。

文明创建：企业管理上水平，企业形象上档次，以“三个代表”重要思想为行动指南，深入贯彻落实十六大和十六届三中全会精神，进一步加强党风廉政建设和反腐败工作，做到领导无违纪、员工无违法、决策无失误、企业无事故；争创省级双文明建设标兵单位和省级模范“职工之家”。

多元经营：在做好主业，提高主业的核心竞争力的基础上，拓宽经营渠道，巩固和扩大多种经营成果，积极引入竞争机制，按现代企业管理的要求，以创新的思维，高起点、高水平、高质量管理多元经营。

三、具体措施

（一）、增强忧患意识，保持清醒头脑，转变观念要有新突破。

事业发展的瓶颈，关键在于人的思想意识出现瓶颈。我们不少同志已经缺少创业初期那种精神风貌和昂扬斗志了，已经习惯于享受生活而不是锐意进取，面对新问题、新矛盾，往往文过饰非，视而不见。取得了一些成绩就沾沾自喜，头脑不冷静，不清醒，缺少如履薄冰之感，缺少继续奋进的精神，缺少艰苦奋斗的精神，缺少危机意识和忧患意识，有的满足于既得利益，小富即安，小进即满，创新动力不足；有的思想保守，患得患失，畏首畏尾，创新魄力不足；有的观念陈旧，思路狭隘，办法不多，创新能力不足，这种精神状况与时代精神已不相适应。我们要始终坚持发展才是硬道理，做到坚定、清醒、有作为。要努力从国际国内大背景和行业改革发展的历史进程中，分析我们所处的环境和形势，总揽全局，把握主流。坚持以发展为主题，正确处理改革、发展、稳定三者的关系，不断自加压力，抓住一切机遇加快发展。

改革与发展是企业永恒的主题。发展始终是我们各项工作的第一要务，发展中的问题要靠加快发展来解决，发展中的难题要靠深化改革来化解。改革与发展必须与时俱进，不进则退，小进、慢进也是退。当前**烟草的改革与发展正处于不进则退的关键时期，冲破瓶颈、实现现代化企业目标还有关键的几步，气可鼓不可泄！我们要找准政治思想工作新的结合点，务必保持谦虚谨慎、不骄不躁的作风；务必保持艰苦奋斗、求真务实、真抓实干的作风；务必保持昂扬向上、奋发有为的精神状态。以高度的政治责任感和历史使命感，满怀信心地迎接挑战，全力以赴加快改革与发展**烟草的步伐。 （二）、完善销售网络，健全管理体系，市场控制要有新突破。

营销工作基本思路是：要努力寻找企业新的经济增长点，深化改革，不断加强价格管理和品牌整合；开拓创新，大力拓展市场，做实辖区；与时俱进，加速推进网络建设现代化和零售终端网建设；坚持向管理要效益，要通过优化卷烟经营品牌结构增效益，要进一步增强烟草市场控制能力和品牌运作能力，全面提升营销网络的核心竞争力。

1、稳扎稳打，逐步推进统一卷烟零售指导价工作

统一卷烟零售指导价工作是规范市场秩序，保护零售户利益，稳定批发价格的重要措施，我们要本着“为客户服务、靠客户参与、让客户满意”的理念，通过与零售户签定联网经营卷烟协议，运用行政的、经济的、感情的手段，将卷烟零售户纳入到网络管理范畴，使零售户变为烟草企业的延伸网点，积极组织客户进行自律，变烟草行业统零为全社会统零，从而达到专卖专营权、经营主动权、指挥决策权的高度集中统一，实现由政策性垄断过渡到经营性垄断，由硬性管理转变到柔性管理的网建管理新模式。我们要立足实际，稳打稳扎，以利益均衡和供求规律为依据对卷烟价格进行统一规划，要减少调价频率，调整调价时间，保证零售户能获得稳定的、较为可观的收益，使客户自觉按价销售，形成一种守法经营氛围，达到牢牢控制卷烟市场价格，进一步理顺卷烟流通秩序，真正构建起公司与零售户“双赢”平台和维护行业价格的严肃性、权威性的目的。在确保企业效益和客户利益的情况下，充分发挥价格对市场的有效调节、拉动作用。

2、进一步优化经营品牌的结构

2005年，我们成功地对五类烟进行了品牌置换。以“咀芙蓉”、“黄盖芙蓉”置换“咀相思鸟”工作相当成功，“咀相思鸟”退出后，“咀芙蓉”、“黄盖芙蓉”销量直线上升，最高月销量达到4179.25件，得到了市局、常德卷烟厂的肯定和好评。今年，我们要加大这方面工作的力度，把效益源牢牢留在自己的市场上。对于市场需求量大，货源紧的品牌，要积极寻找同档次的其他品牌来替代，特别是5元/包和1元/包的档次上的品牌，要努力寻找货源，满足烟民的消费。同时要进一步加大力度培育好新产品，主动出击，积极组织新品牌的上市和推介工作，既要在宣传上产生轰动效应，又要对市场消费情况进行仔细调研，尽可能的培养新的适应中、低消费者的卷烟品牌。积极争取各方面的支持，全力推介有效益、有市场、有潜力的品牌，引导烟民消费，彻底改观**市场卷烟消费过于单一和对某一品牌依赖程度过高的状况，增强市场的稳定度，增强企业整体竞争力和抗风险能力。

3、稳步推行卷烟零售连锁经营模式

连锁商业的兴盛，是一个国家和地区现代化的重要标志，现代连锁经营模式将成为今后国家的主流经营业态。美国电脑业的一世枭雄——微软总裁比尔·盖茨被从“世界首富”的宝座上拽了下来，取而代之的不是其它新经济的带头人，而是美国传统零售业大王——沃尔玛公司。它再次证明连锁经营具有强大的生命力，它将以不可阻挡的势头改造传统的商业形态。专家们估计，在今后的一段时间内，连锁经营必将成为中国商业发展的新的增长点。烟草作为一种特殊的商品，国外卷烟连锁经营发展已相当成熟，国内已有部分企业通过连锁经营在烟草零售业取得较快的发展，因而，争夺零售环节的控制权也是我们应对国外烟草公司挑战与竞争的重要手段。如果我们能够尽快建立起在我们控制之下的卷烟零售网络，从批发环节和零售环节双管齐下、两面出击，就有可能掌握对卷烟市场的绝对控制权，从而在未来的卷烟市场竞争中赢得最后胜利。所以我们要从零售环节寻找新的经济增长点，使企业的发展空间在新的层次上得到进一步拓展。

经过这几年的网建工作，我们已经积累了较丰富的网络建设与管理经验，培养了一大批网络经营的人才，培育了一大批忠诚的消费者，积累了厚实的物质基础和市场基础，现在推进卷烟零售连锁网络建设，可以达到事半功倍的效果。推行卷烟连锁经营，还对完善网络建设具有十分重要的意义。第一，我们可以根据连锁经营店反馈的市场信息，及时补充各类货源，扩大主渠道销售。这样不仅抵制了“假私非超”烟流入市场，规范了卷烟经营秩序，提高了市场占有率和净化率，还有利于掌握销售的主动权，提高对卷烟市场的控制力。第二，实行卷烟连锁经营能够减少不必要的中间环节，使消费者获得更多的利益，增加其忠诚度，有利于控制市场，获得更大的利润。第三，实行卷烟连锁经营还有利于卷烟零售价的统一，对做大、做精、做强品牌起到十分重要的作用。第四，实行卷烟连锁经营有利于进一步整合、优化、提升网络建设，有利于将企业的卷烟品牌、诚信服务、完美形象展示给消费者，为向现代化商业、集约化经营的卷烟销售网络目标靠近创造了条件。版权所有

我们要积极稳妥推进卷烟零售连锁网络建设。可以分步骤实施：第一，按连锁经营“六统一”即统一形象及店面识别、统一访销配送流程、统一日常运营、统一服务规范、统一广告宣传、统一零售价格的要求，在城区以自建、直营方式，开设卷烟零售连锁商店。第二，选择守法规范的、经营信誉较好的、有一定规模的、有一定经营能力的社会零售店作为特许加盟店，逐步扩大数量，并最终形成网络。第三，对卷烟零售连锁商店进行整合，最终形成有相当规模的、覆盖城乡的卷烟零售连锁网络。

在发展卷烟零售网络的过程中，还要注意几个问题，第一要积极稳妥，分步推进，防止急于求成，贪大求洋；第二要加强监督，严格财经纪律；第三，实行科学管理，建立现代企业制度；第四，要转变观念，尊重经济规律，防止不切实际地追求高回报、高效益的倾向。在卷烟零售网络有一定基础的前提下，我们还要放开眼界，敢于跳出“两包烟”的限制，依靠企业雄厚的经济实力和遍布城乡的网点优势，进一步深入流通领域，逐步介入其他商品的零售业务，努力培育商业品牌，为企业的发展开辟新的道路。

4、以客户满意为目标，客户关系管理要有新突破。

在新形势下，我们的一切工作都要以满足客户需求为出发点，建立起客户满意的工作体系，做到服务流程化、标准化和一致化，达到提高客户对企业的依附力、满意度和忠诚度的目的。我们的客户关系管理工作要重点突出“四个转变”即：从普遍转向个性化服务，从基本服务转向差异化服务，从单向服务转向互动服务，从服务转向精细服务。要通过对客户信息资源的整合，实现资源共享，为客户提供更快速、周到的优质服务，吸引和保持更多的客户；要通过对业务流程的重新设计，更加有效地管理客户关系，降低企业成本；要建立起包括客户的基本资料、信用等级、经营情况、市场研究和消费者研究等方面资料的客户档案。要通过培训提高员工对实施客户关系管理的认识，要树立以客户为中心的服务思想，认真制定以客户为中心的卷烟销售网络建设策略，尽可能的让每个员工参与进来并积极与客户交流、获取需求信息，努力成为客户的拥护者。同时，我们要建立自己的客户价值金字塔，要对不同价值的不同客户进行差异化服务；要以供货快捷、准确，交易流程简便、高效，沟通渠道及时、顺畅，服务高质量、高标准来提高客户满意度，提高网络运行质量和效率；要倡导机关为基层服务、经营为顾客服务、专卖为合法经营户服务的新理念，努力创新客户关系管理，创造临烟服务品牌。

（三）、一手抓规范，一手抓创新，市场监管要有新突破。

今年是落实新一轮专卖管理三年目标的关键一年。专卖管理新的三年阶段性目标是：把握行政管理法制化、国际化、信息化的时代特征和发展趋势，结合专卖专营的特性，转变观念，与时俱进，不断创新，进一步提高专卖管理网络运行效率，提高市场净化率，提升烟草专卖执法形象。今年专卖管理工作的基本思路是：把依法行政作为专卖管理的根本要求，把净化市场作为专卖管理的第一要务，把执法形象贯彻专卖管理工作始终，一手抓规范引导，一手抓打击整治，着力营造市场环境，力争在夯实专卖基础、推进专卖管理诚信化、社区化进程、树立执法形象等三个方面取得突破性进展。

1、加大五个力度，突出“四高”，全面夯实专卖管理基础。

在继承和发扬过来好的作法的基础上，我们今年要创新和发展管理方式，加大五个力度，突出抓好“四高”，全面夯实专卖管理基础。加大五个力度就是一要加大宣传力度，确保宣传到位，做到家喻户晓；二要加大市场监控力度，确保市场净化；三要加大情报建设力度，确保专卖执法打击准确、有力、有效；四要加大查处力度，查案要严厉，处罚要到位；五要加大案件移送力度，确保追“刑”到位。突出抓好“四高”就是首先要高起点抓好卷烟零售户的合理布局，按照上级有关精神严格控制办证数量和经营户的分布，不符合合理布局要求的一律不办；其次是高标准规范卷烟营销市场，既要规范企业内部的经营行为，又要规范卷烟市场秩序，切实保护好守法经营者的利益；同时要按规范的要求高质量建设“两档”工作，一个是要建立好客户户籍化档案（包括电子档案和文件档案），另一个是要建立好卷烟违法案件处理的有效文本档案；另外，要高频率使用专卖信息平台，要推行专卖管理工作“数字化”。要严格执行到货确认制，进一步规范经营行为，为实现专卖管理新三年目标打下坚实的基础。

2、全力推进专卖管理诚信化、社区化进程。

寓管理于诚信服务是创新专卖管理工作的重头戏。今年，我们将在户籍化管理的基础上，全力推行社区化客户诚信等级记分管理，建立诚信等级管理网络系统，基本实现零售户档案管理和诚信等级分类管理信息化，将网络户视同于职工进行管理，做到有奖有罚，奖罚分明。一是进一步强化户籍化管理方式，建立更清晰的户籍档案，并将入网户的基本情况卡，零售许可证发放申请表，违法违规情况、变更登记及其它动态情况进入基础档案，继续抓好悬证、挂牌工作，协助入网经营户搞好卷烟商品的陈列和明码标价；二是专卖管理由单一行政管理型向诚信服务型转变。为卷烟零售户提供全方位的宣传服务、咨询服务、联络服务和指导，我们的执法人员要达到“七员”的要求，即业务员、调研员、宣传员、促销员、管理员、策划员、信息员，要大力弘扬以客户为中心的理念，深入推行亲和管理，把零售户看作是我们的同盟军，把我们与零售户的关系建成“鱼水”关系。

3、规范执法行为，转变执法方式，树立执法新形象。

专卖管理是一种行政执法行为，必须依法行政。对外行使职权时，要严格区分行政行为和经济行为，严格按程序执法，要注意化解社会矛盾，不得乱扣乱罚，专卖管理方式要适应政治文明和政府职能转变的趋势，增强服务意识，我们的执法人员要配备锤子、钉子和抹布，在进行执法检查时主动为零售户挂零售许可证、擦拭柜台，并帮助老弱病残、下岗特困职工解决困难，以真诚的行动打动零售户，与零售户的关系要由对立转为交流、沟通，逐步向柔性化、数据化管理转变。同时还要以推行文明执法为切入点，开展执法形象大讨论，加强专卖队伍建设和素质教育，提高执法形象。要顺应国内市场国际化的管理形势，培养出一支高素质、高专业知识水平的执法队伍。

（四）、以信息带动管理现代化，管理水平要有新突破。

强化企业内部管理的基本思路是：建立并逐步完善企业信息化技术和管理标准体系，进一步夯实现在软硬件基础平台；建立以财务管理为核心的企业现代化管理费制度；依托信息技术，加强企业科学化管理、规范化管理、现代化管理，建立更为良好的内部经济运行秩序，真正做到企业管理水平有新的突破。

1、进一步加强信息化建设，打造“数字临烟”。

信息的收集、传递和利用是企业发展的动力。今年，我们要提升卷烟销售业务系统、专卖管理信息系统两大应用软件的整体应用水平，在提升信息建设，实现信息共享工作方面加快步伐。一方面，要大力增强全员的信息化意识，切实提升干部职工信息化运用水平，做到能用、会用、善用。另一方面，我们要充分利用两大系统全面、及时地收集各个网点（零售户）、各个品牌的进、销、存情况、“四员”了解市场的情况以及客户对我们的意见等情况，并加以系统的分析、研究、提出建议，及时发现和利用有价值的信息，为领导的决策提供准确的依据，通过建立灵活、科学、高效的信息系统为我们的网络注入新活力，承担起主导市场的作用。同时，要在已实现电话订货的基础上，加快探索“电子结算、网上配货”工作的步伐，要通过采用货源倾斜等多种办法，鼓励零售户接受电子结算方式。另外，我们还要在办公自动化，建立人才资源数据库等方面下功夫，充分利用现有的硬件设施，引进自动化办公软件，实行阅文阅稿、通知等日常工作网络化，建设有临烟特色的现代化办公网络，全力打造“数字临烟”。

2、进一步规范财务管理工作，努力提高会计信息质量。

要以强烈的危机感推动以财务管理为核心的企业管理现代化建设。一是要加强成本费用管理，倡导节支增效。要分项目分月度对费用进行分解，列出计划，公布每月费用计划执行情况，继续推行“4+1”费用减控模式，进一步加强费用预算管理，改事后监督为事前计划控制，同时要加大节支增效的宣传力度，形成崇尚节俭、反对浪费的浓厚氛围；要把费用管理与目标管理考评相结合，依据考评结果实行全员联动，努力实现费用总额不突破预算的目标。二是要着力提高会计信息质量，通过对财务会计报告和量、本、利报表的分析研究，发现经营活动中存在的问题，及时挖掘出经验，保证企业经济活动健康有序地发展。三是要提高资金使用效率，加强存量资金的分析管理，及时监督资金的使用情况，规避资金运作中的各种风险。四是要严格执行“六不准”。即：一切原始单据凡不符合财经制度的一律不准报销；非正规发票或白纸条收据一律不准报销；金额不符、项目清单不清的一律不准报销；原始凭证无经办人（部门）签字、财务科审核、领导人审批程序的不准报销；房屋建筑等基础设施建设资金未经公开招标或议标的一律不准付款；超过5000元以上开支未经领导班子集体研究的不准报销；未按经审程序和非“一支笔”审批的不准报销。在执行中要不怕得罪人、不搞下不为例，确保不支付一笔糊涂账。

3、进一步强化目标管理，全面实现管理目标化、程序化。

为了确保工作顺利开展和目标如期实现，我们要将全年的工作目标任务分解到科室、到岗位、到人，要严格推行目标任务层层负责制，严格按程序办事，各科室要认真履行职责，一级抓一级，一级管好一级，一级向一级负责，要在严格执行月考评考核工作的同时，加强对中心工作的督查管理，要定期与不定期对工作开展进度、效果进行跟踪检查，发现问题及时整改，切忌流于形式、走过场，要强化责任、明确职责、确保实效。

4、进一步落实安全责任制，确保各项工作安全运行。

安全稳定无小事。要坚持“安全第一，预防为主”、“谁主管，谁负责”的安全管理原则，在全员中牢固树立“求安全、保稳定、促发展”的思想。要继续把强化警示教育、提高全员认识、提升全员素质摆到十分突出的位置，经常抓、抓经常、反复抓、抓反复，确保安全工作在企业各个环节的有效落实。继续推行安全风险抵押和安全承包责任制，层层签订安全承包责任状，责任到岗到人，上下齐抓共管；继续设立安全奖，逐月考核，年终兑现，调动全员参与企业安全管理的积极性，不断加强干部职工的安全自觉性。要坚持“四查四结合”，即：领导带班查与保卫人员查相结合，保卫人员白天查与晚上查相结合，经常查与重点查相结合，普遍查与专项查相结合。要贯彻落实“门卫日查，保卫科周查，领导小组月查”的连环检查方式，保证督促检查到位。今年，我们还要整改一切不符合安全要求的电器线路、防盗、防火设施，制订出更科学、更严格的管理办法，确保企业安全运行。

（五）、进一步强化精神文明建设，队伍建设要有新突破。

精神文明建设的基本思路是：紧紧围绕以经济建设为中心，进一步深化临烟精神；进一步树立人才资源观，制订更有效的鼓励自学成才的办法和措施，提高企业全员的知识结构；进一步深化干部人事制度改革，推动用工、分配制度改革；进一步推进党风廉政建设，为实现**烟草新一轮的加速发展提供精神动力和思想、组织保障。

1、进一步深化临烟精神内涵。结合“三个代表”、十六大精神、十六届三中全会精神的学习，以弘扬和深化临烟精神为主线，组织开展一次“提升形象，规范发展”的主题教育和“我与企业与时俱进”的演讲活动，进一步激励广大干部职工与时俱进、真抓实干，为企业发展建功立业的激情，深化临烟形象建设，开展以“形象展示”为主题的宣传活动，树立良好的企业形象、领导形象、员工形象、执法形象、营销形象。要牢固树立市场意识、竞争意识、抢抓机遇意识，以奋发有为的精神状态积极应对各种挑战。要全力抓好创建省级双文明建设标兵单位和省级模范“职工之家”工作，不断提高精神文明建设水平。要用制度规范人，用纪律约束人，用理论教育人，用真情感化人，用榜样示范人，用业绩鼓舞人。要使精神文明建设工作行于岗前，贯穿于岗中，延伸于岗下。要认真学书记在西柏坡考察时的重要讲话，深刻认识新形势下弘扬艰苦奋斗精神的重大意义，按照“四个牢记”要求，增强艰苦奋斗意识，大力弘扬艰苦奋斗精神，在企业形成浓厚的艰苦奋斗氛围。要继续开展以“四讲四比四看”、“首问负责制，主办负责制”、“挂牌上岗，亮证执法”等为主要内容的精神文明创建活动，培养和树立先进典型，以点带面，发挥模范作用，充分展示烟草职工的精神风貌，弘扬正气。要继续组织干部职工开展争创“最佳八员”、争创“红旗车组”等业务竞赛活动。要定期不定期对活动开展情况进行抽查、分析和评估，提炼具有特色的企业精神和企业文化，培养员工奋发进取、积极向上、团结互助和忠诚企业的良好的精神品质，增强员工的凝聚力、向心力和忠诚度。

2、加强队伍建设，深化干部人事用工分配制度改革。企业改革与发展的瓶颈是人才,潜力和动力也在于人才。我们要努力消除和打破现行体制和机制的障碍，以优化职工队伍的整体素质为目标，积极实施新世纪发展人才工程，打造与入世相适应的人才队伍。一方面，要树立人才资源观，努力营造有利于人才建设的机制和环境，切实加强员工队伍的培训。劳资管理要从调配管理调整到人才建设上来；要大力优化人员结构，用市场经济的手段引进人才和管理人才；要制订出一系列更有效的办法和措施来鼓励员工自学成才，要积极组织员工参加各级各类的培训学习，把建设学习型企业作为一项重要工作来抓，做到有计划、有步骤地培养阶梯型、复合型人才和智囊型人才。要更新用人观念，精兵强将到一线，通过“腾位子”、“搭梯子”、“压担子”等办法，为优秀的年轻干部脱颖而出创造条件，要把年纪轻、文化水平高、思想作风好，具有一定的组织、协调能力的中层干部、大学生和有发展潜力的职工，纳入干部人才后备库，加以培养和锻炼，为形成良好的干部结构梯次打下基础。另一方面，要按照工作需要科学地定员定岗，以岗定薪，全面推行双向选择、竞争上岗，拉开分配档次，逐步降低固定收入的比例，提高联销计酬的比重。对经过1-2次择岗还不能上岗的，局领导不安排、不协调，实行待岗学习培训后再择岗；对连续两年在本级双目标管理考核得分最低的科室负责人进行降级使用。要科学制定分配制度，报酬分配要向一线倾斜，真正体现效率优先、兼顾公平的原则。要进一步细化员工考核标准，着力健全企业激励机制，按照“以人为本、重在提高、客观公正、以儆效尤”的原则，当奖则奖，该罚则罚，坚决兑现，毫不含糊，对考核不合格，经培训教育后仍无起色的，要当机立断，采取解聘、下岗、待岗等措施，真正形成“干部能上能下、职工能进能出、上岗靠竞争、收入比贡献”的用人、上岗和分配激励机制，彻底解决人浮于事、效率低下的问题，切实增强员工紧迫感、危机感和忧患意识。

3、抓好源头，综合治理，扎扎实实推进党风廉政建设和反腐败工作。我们要严格实行民主集中制，推行企务公开，做到公开、公平、公正，进一步强化经济评审制度，进一步细化党风廉政责任制的内容和责任追究的规定。继续实行党风廉政建设风险抵押，层层签订责任状，单列党风廉政建设奖，在目标管理考核中，实行党风廉政建设“一票否决制”，要继续抓好廉洁自律，严肃查处违反政治纪律、组织工作纪律、经济工作纪律的行为，要结合整顿和规范市场经济秩序，利用现代化手段，切实有效地从源头上预防和治理腐败，要围绕中心工作，认真开展各项纪律、规章的监督检查和效能监察，要筑牢思想道德防线，提高干部职工廉洁自律的自觉性，增强拒腐防变的能力。

（六）、规范管理，稳健经营，主精副强要有新突破。

多元化经营的基本思路是：坚持主精副强的发展战略，以发展为主题，以经济效益为中心，以优化、提升为主线，进一步加强宏观管理，规范稳键经营，集中力量做精做强优势项目，努力提高资产运作效率和投资收益。我们要在实践中积极探索一条符合**烟草实际的多元化发展路子。一是要正确定位多元化经营战略。要始终把多元化经营摆在**烟草持续、稳键发展的战略地位上去认识、去定位、去实施，要坚持“主精副强”协调发展的战略思路，多元经营要与主业同步发展，相互促进。我们对多元经营要不断调整、不断深化，紧紧依托主业的核心竞争力，充分利用资金、资源、环境优势，勇于开拓、艰苦创业、大胆探索、逐步规范，要形成产业资本、商贸资本、金融资本的有机结合，为**烟草多元经营的长足、健康发展奠定基础。二是要坚持市场经济规律，建立起适应市场经济要求的现代企业管理制度，不断提高多元经营的核心竞争力。三是要坚持边发展边规范，走出一条正确的多元化经营发展之路。烟草行业的多元经营没有一套固定完善的标准模式可供遵循；多元经营是“馅饼”还是“陷井”，这一问题人们一直纷争不休。多元经营搞好了，就能形成企业一条新的资金链、财富流，为主业开辟新的投资渠道，拓展业务领域，寻求新的经济增长点；搞不好，就会让资金呆滞甚至冻结，形成可怕的“冰块”。在这充满机遇和风险面前，我们要咬定发展不放松，坚定不移地走多元发展之路，不断解放思想，大胆探索实践，在坚持发展的同时，狠抓规范，以规范促发展，以发展求规范。从有利于发展的角度出发，从多元经营的内在需要出发，加强宏观调控，加强对已投项目的运作管理、协调和财务监督，边发展边规范，在发展中规范，在规范中发展，既要有动力，又要有约束，从而确保**烟草多元化经营稳步发展。

卷积神经网络的算法篇8

关键词：残差网络；人脸图像：年龄分类：非受限条件：Adience数据集

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2017）14-0169-02

1概述

人脸图像包含很多信息，如身份、表情、姿态、性别和年龄。其中，年龄是人的重要生物特征，可以应用于多种场景，如基于年龄的人机交互系统、基于年龄的访问控制、电子商务中个性营销及刑事案件侦查中的年龄过滤等n，。很多研究者在人脸图像年龄估计方面做了大量研究，早期，主要用Gabor，LBP，SFP和BIF等提取特征以及SVM方法进行年龄分类，这些人工提取特征的方法在受限条件下的人脸数据集上获得了不错的结果，但是在非受限条件下的人脸年龄分类任务中效果不佳；近几年，深度卷积神经网络（DCNN）成为了计算机视觉领域的研究热点。从5层的LeNet，到8层的AlexNet，再到19层的VGGm和22层的GoogleNet，直到上千层的ResNets，无论是网络的学习能力还是深度都得到显著提高。因此，越来越多的学者采用DCNN解决年龄分类问题，并证明其在非受限条件下能获得明显优于手工提取特征方法的结果。

在人脸年龄分类中，人脸图像往往受到面部姿态、光线、化妆和背景等影响，极大地限制了人脸年龄分类的准确性。针对非受限条件下人脸图像年龄分类困难的问题，本文提出了一种基于深度残差网络的非受限条件下人脸年龄分类方法。

2 34层残差网络

He等提出了深度残差网络（ResNets），该网络采用残差块作为网络的基本组成部分，可以很大程度上解决DCNN随着深度增加而带来的网络退化问题。ResNets在原始卷积层外部加人越层连接（shoacut）支路构成基本残差块RB，使原始的映射H（X）被表示为H（X）=F（X）+x。ResNets通过残差块结构将网络对爿（X）的学习转化为对F（X）的学习，而对F（X）的学习较H（X）更为简单。基于残差块更易学习的特性，ResNets通过顺序累加残差块成功地缓解了DCNN的退化问题，提高了网络性能。

ResNet-34结构如图1所示，残差块的具体表达式如下，函数F（x）表示残差映射，x和y分别代表残差块的输入和输出。当x和F数相同时，采用式（1），此时越层连接既没有增加额外参数也没有增加计算复杂度。当x和F维数不同时，采用式（2），通过越层连接执行1×1卷积映射G（x）以匹配维数。

ResNet-34网络输入图像大小为224×224。首先经过卷积层，卷积核为7×7，步长为2，输出特征图为112×112；再经过最大池化层；其次经过四组不同残差块，各残差块组的残差块数量分别为3、4、6和3，并且同组中的残差块输入输出维度相同，分别为64、128、256和512，各组输出特征图大小依次为56×56、28×28、14×14、7×7。最后经过平均池化层和全连接层，通过softmax分类器，输出分类结果。

3数据集

Adience数据集来自人们从智能手机设备自动上传到网络相册的图像。这些图像在上传之前并没有经过人工过滤，且这些图像都是在非受限条件下拍摄的。这些图像在头部姿势、面部表情和光线条件质量等方面都存在很大差异，所以在Adi-ence数据集下的人脸图像年龄分类任务面临巨大挑战。

Adience包含2284个人的26580张人脸图像，年龄范围为0-100岁，共8个年龄段（0-2，4-6，8-13，15-20，25-32，38-43，48-53，60-），年龄分布如表1。

4实验结果与分析

为了提升网络的人脸分类性能，本文选用ResNet-34在人脸图像Adience数据集上做年龄分类。训练和测试时动量值为0.9，权重衰减为0.0001。batch大小设为64，epoch设为164，初始学习率为0.1，在81和122个epoch之后学习率分别降为0.01和0.001。本文实验模型采用Nvidia Titan X GPU训练，运行环境torch7。

本文采用文献[7]中的交叉验证方法，将Adience数据集分成五组不同图像（fold-0，fold-1，fold-2，fold-3，fold-4），令其中一组图像作为测试集，其余四组图像作为训练集，共构成五种检测方式。通过计算平均分类准确度和1-off值作为评估标准。在fold-0测试的年龄分类准确度的曲线图如图2所示，由此可知网络能够很好地收敛。

为了验证本文方法的有效性，将现有在Adience数据集上的年龄分类方法与本文方法对比，各方法人脸年龄分类结果如表2所示。由表2可以看出本文提出的方法获得了除DEX w/IMDB-WIKI Pretrain方法以外的最高年龄分类准确度，主要由于文献[10]用大规模人脸数据集IMDB-WIKI微调网络。不经过大数据集对网络微调时，本文提出的基于深度残差网络的年龄分类方法获得了最高年龄分类准确度。

卷积神经网络的算法篇9

今年是卷烟销售网络建设的关键年，也是实现上海会议提出的网络建设三年目标的最后一年。半年来，我市局（分公司）按照2月初国家局召开的继续推进全国卷烟销售网络建设电视电话会议精神及《全国卷烟销售网络建设整体推进、全面提升实施方案》所确定的工作目标和工作要求，以科学发展观统领全局工作，坚持规范、科学、扎实、精细的工作作风，不断进取、勇于创新，加快将分公司培育成充满生机和活力的经营主体，迅速实现传统商业向现代流通的转变，统一业务模式、统一工作标准、统一组织结构、统一信息平台，实现以分公司为单位资源有效整合。以服务“三个满意”为中心，积极构建工商新型关系，满足市场需求，打牢网建基础，提升网建水平，努力提高市场占有率，1～5月份实现人均销售卷烟*条，促进我市烟草持续、稳定、健康发展。

一、主要经济指标完成情况（1～6月份）

1.系统外销售××*箱，为全年任务的××％

2.金圣系列销售××*箱，为全年任务的××％

3.百牌号销售××*箱，为全年任务的××％；

4.名优烟销售××*箱，为全年任务的××％；

5.省外烟销售××*箱，为全年任务的××％。

二、主要抓了以下工作

㈠统一思想认识，明确工作目标

按照国家局要求，积极组织县（市）局领导班、客户经理代表及网建、业务、配送、电访等部门同志，参加了2月2日上午国家局召开的继续推进全国卷烟销售网络建设电视电话会议，会议的主要内容是认真贯彻落实全国烟草工作会议精神，按照保持平稳发展的工作，部署落实2005年的卷烟销售和网络建设工作，国家局何泽华副局长、中国卷烟销售公司总经理田忠振都作了重要讲话。田忠振在讲话中对2005年卷烟销售工作需要抓好的几项重要工作，即提高认识，把卷烟销量摆在各项工作的头等位置，继续推进卷烟销售网络建设，提高网建水平，加快传统商业向现代流转变等几项具体工作及何泽华副局长强调的首先要坚持平稳发展的方针，正确分析当前形势，努力保持卷烟销量稳定增长。其次要按照整体推进的要求，加快网络建设的步伐。第三，要根据国际一流的目标，全面提升网建水平（抓住服务和效率两个关键，努力做到三个满意，提升四种能力）。第四，要围绕提升中国烟草总体竞争实力的主要任务，积极构建新型工商关系，工商合力保证销售任务的完成。第五，要不断提高市公司的经营水平。对2005年网建工作提出了更高标准的要求，内容丰富详实，特别是参加会议收看人员之广是历年来所没有的，对会议精神在全体员工作了

进一步的传达和贯彻，按照国家局、省局网络建设要求，结合本地实际、制定了《景德镇市烟草专卖局（分公司）卷烟销售网络建设整体推进、全面提升实施方案》，并提出了具体目标和要求。经过一年的努力，按照省局要求到2005年底景德镇烟草网建达到或基本达到上海、大连水平。围绕一个目标建设好现代物流配送中心。调整好“二个观念”（即服务与效率），落实好“三个满意”（即工业企业满意、客户满意、消费者满意），着力提高“四种能力”（即培育资源整合能力、客户服务能力、科学管理能力、品牌培育能力）。通过“流程优化，实现管理集中；机构扁平化，实现职能集中；财务电算化，实现核算集中；管理信息化、实现数据集中”的要求，全面提升网建水平。具体要求为：1.按照规划要求，脚踏实地，认认真真地抓好网络建设的各项基础工作。2.进一步抓好规范经营。3.加大市场的整治和净化，努力营造一个良好的销售环境。4.建立城信服务，提升客户关系管理，构建新型工商合作伙伴关系，努力提高“三个满意”。5.做好客户“订单供货”月销售计划工作，根据市场需求，进行品牌结构调整，尽可能满足订单货源的需求，促进卷烟销售正常提高，保证全年销量稳定增长。6.进一步加强队伍建设和作风建设，提高员工素质，为

做好营销网络提供保障。

㈡完善网络功能，提高网建水平。

1.

完善网络功能，实行全市大配送。我局（分公司）按照省局要求，克服条件差没有场地困难，租赁场地创造条件，实行了“电话订货”和“卷烟配送”两个集中，电话订货面达100％，订货成功率98％以上，卷烟统一由分公司打码到户，集中送货面达100％。两个集中真正体现了以分公司为经营主体基本格局，同时也有利于县级局（营销中心）的职能转变，使县级局（营销中心）能够集中精力管好市场，做好市场。

2.

ǎ?呕?俗试磁渲茫?钤玖肆闶凼谐

㈢诚信经营，实现“三个满意”

1.认真做好明码标价工作，规范价格行为，今年4月12日，在公司金叶大酒店召开了40位各级别经营户代表座谈会，共同商定卷烟条、包不同的零售价格，市工商、公平交易局也派员参加，与会代表逐一对所投放的品牌达成了统一共识，并在4月15日全市逐一经营户换发新印制的统一条、包零售价格标签，进一步提高了市场零售价格规范行为，特别是条、包不同价位，比较符合市场零售及消费者购物心理和实际状况。

2.为进一步提高客户满意度，改善卷烟零售户销售环境，我司制定了近260个美观、大方、实用的卷烟专用零售柜台，免费租赁给一级户，城市、主要街道给逐一签订了协议书，交到了经营户的一流好评，许多经营户都表示要规范经营，扩大零售，也争取得到卷烟柜台。

3.6月份市局（分公司）与价格检查局联合下发了开展卷烟零售经营价格诚信评比活动的实施办法，拟在全市评选出一批价格诚信经营户，这无疑给我市的明码标价，特别是明码实价工作带来新的成效。通过开展价格诚信活动，进一步强化经营者自律意识，规范经营者的价格行为，促进我市烟草零售市场公平、公正的合法竞争，有利于建立健全符合市场经济体制要求的社会经济体制要求的社会经济制度。

4.严格实行限量供货。我们始终坚持按销售级别对月、日供量及单品牌限量要求进行供货，对80元／条以上的省产名优烟适当增量外，其它均按去年所定限量要求，较好地控制了批发性的大户货源，使中小客户不断壮大，稳定了市场零售价，同时在4.5月份对三、四级根据其销售情况，进行了级别调整。目前，全市一、二、三级客户达2382户，比去年年初的2009户增加373户，中小户的壮大增加了零售户对烟草公司的依存度。

5密切工商协作，搞好网络销售。一是在营销过程中牢固树立服务意识、品牌意识，通过实施“订单供货”月计划作，使我们及时有效的掌握了市场卷烟销售结构的变化、品牌需求的变化，促进了市场占有率的进一步提高。通过对主导品牌上柜要求，有力地促进了名优、百牌号卷烟销售和对新品牌的认识和选择，有力的促进了品牌的培育和宣传。二是进一步调整销售结构，进行市场货源优化，加大品牌培育和宣传，积极引导消费，加大对市场调研和发展新品牌主动性，争取新上市的品牌销售都能获得市场占有率成功。

6.积极组织调入适销对路货源，满足市场需求。一是按照定单供货要求，组织调入适销对路，批零差价合理的卷烟。二是想办法多调入四、五类烟，以满足农村市场需求。三是在正常调入省产烟情况下，争取多调入一些市场具有一定潜能，有一定品牌培育价值的省外烟、名优烟及百牌号卷烟，以满足市场正常流通。由于调入卷烟基本符合市场需求要求，而且又具有一定的利润空间，品牌结构较为合理，深受广大经营户的欢迎，而且市场的乱渠道进货，卖假冒烟的情况得到了进一步遏制。

7.加强专销结合，狠抓规范经营。我局（公司）把规范经营作为事关行业稳定健康发展的大事抓紧做好，坚持规范、严谨踏实的工作作风，坚决贯彻执行烟草专卖法及其法律、法规，落实国家局、省局杜绝体外循环的有关规定，认真扎实地做好本地市场的培育和销售。一是狠抓制度建设，相继出台和完善了许多规范性文件，使大家工作职责更明确、措施更得力、管理更到位。二是抓制度的落实和考评，更加注重过程管理，对查出的问题坚决按规范要求，严肃处理。上半年内部查处不规范行为2起，中队长被免职1人、辞退员工1人，有关人员共有15人被处以经济处罚。通过狠抓规范经营，杜绝了体外循环，制止了卖大户，刹住了超量供货等现象。

8.制定了客户投诉管理办法。为进一步提升网建水平，提高客户满意度，规范工作行为，加大社会的有效监督，建立快捷有效的客户投诉渠道和投诉受理管理机制。县（市）局（营销中心）、分公司网建科都设立了客户投诉电话，并有专人负责受理客户投诉。对烟草公司的政策、规定及对“四员”的工作情况、服务态度及建议和要求都在受理范围之内。

㈣加强队伍建设，提高员工素质

随着网建的整体推进，全面提升的要求，对网建人员整体素质也提出了更高的要求，网络人员怎样适应工作职能工作流程，工作方法的变化，都需要我们认真思考和探索的问题。因此我们要引进激励机制、新的营销理念、新的工作思维、强化技能培训和组织学习、自学相结合方式，同时把人才关，以提高网建人员的业务技能和知识水平，努力塑造一支高素质的网络队伍。上半年以来，我们主要从以下几个方面着手：

1.树立“营销网络”是企业不断发展和立足之本的理念，进一步增强员工的责任感和使命感。

2.关心员工遇到的问题和困难，加强情感交流，增强企业凝聚力和向心力。

3.加强员工的培训，提高其综合素质，上半年我市共举办各类培训班共4期，培训人数共260余人。

4.充分利用网点日、周例会进行政治、业务、报刊等方面学习和讨论。

5.认真做好2005版营销管理系统的切换工作。

按照省局布置，我市按照把新的营销管理系统的上线工作纳入重要议事日程，由于前期准备工作充分，培训工作到位，部门间配合，4月底切换成功，并且利用五一节日期间，休息时间，对电访、配送、业务等上线情况跟踪和逐项问题的进一步解决营销软件运行基本正常，同时对一号工程工作极为重视，信息中心指派一人自5月份中旬以来经常仓库指导仓储人员对购进品牌进行打码，对出现的问题进行总结和汇报，按照省局要求，确保7月实现卷烟生产经营决策管理系统全面稳定进行。

三、网建工作存在的差距与不足

上半年，景市网建工作在省局（公司）正确领导下取得了一定的进步，得到一定提升，但仍存在许多不足。

1.与上海、大连网建水平相比，我市网建基础工作还有差距，网络的功能还没有得到最大发挥。

2.队伍的整体素质还不高，特别是客户经理的水平还不能完全适应现代流通要求。

3.省外卷烟调销进度缓慢，市场占有份额较少，特别是四、五类卷烟矛盾相对突出。

4.城区电子结算率不高。

5.管理体制和考核机制还不够健全。

四、下半年的工作打算

㈠、完成以分公司为经营主体的网络组织机构

1.按照省局（公司）统一规划要求，进行组织架构调整到位，成立营销中心、物流中心、督察中心、信息中心，按照业务流程再造，按照程序化、规范化要求，整合流程，使业务流程更加科学、规范、合理。

2.根据流程需求，进一步整合线路和人员，使线路更优化，用工更合理，降低运行成本，提高工作效率。

㈡、加强管理，真抓实干

管理是永恒的主题，只有加强制度管理工作的前提，才能真抓实干，下大力气抓好制度建设，完善管理机制，对网建的每项工作都要落到实处，不断提升网建水平，正视工作中的困难和不足，找到解决问题的办法，抓好典型推广，要按照分公司的部署达到上海、福建管理模式，紧扣景德镇烟草实际，不断探索、勇于创新、精心策划、狠抓落实，要自我加压、自逼快上，同时，要充分发挥县（市）局（营销中心）的骨干作用，把主要精力集中到网建工作上来。

㈢、狠抓规范经营，努力提高市场占有率

首先要从思想上彻底解决规范经营问题，要引导营销人员不能把不规范经营看作是完成任务的有效途径。二是要从考核体制上彻底解决不规范经营行为。三是彻底解决虚假入网的不规范经营行为。四是通过分级限量，彻底解决批发大户再次批发的行为。五是通过“两个专项整顿”全面、彻底解决不规范经营的各种行为。

㈣、

在营销中牢固树立服务意识，注重工作过程和实数。⑴坚持以市场为导向，积极组织改进适销对路的货源，特别是加大省外名优、百牌号烟的销售，满足不同消费群体需求。⑵进一步调整卷烟销售结构，进行市场货源优化，加大品牌的宣传和推介力度，培育好品牌。⑶要通过客户经理的工作，在实施“订单供货”月计划工作中，解释引导工作要到位，增强零售户对他公司的依存度和满意度，要不断完善“订单供货”月计划工作流程和考核办法，使之更贴近市场、贴近经营户，使我们有效地掌握掌声卷烟销售结构的变化，以最大可能地组调货源给予满足。⑷继续抓好主导品牌上柜工作，促进名优、百牌号卷烟销售以及消费者对新品牌的认知和选择，促进品牌的培育和宣传。

㈤、

创新工作思维，不断推进客户关系管理，提高服务质量和管理水平，提高工作效率，以客户满意作为我们服务的追求，对客户实行差异化、亲情化服务和沟通能力，要熟练运用crm，提高市场分析、预测能力，认真做好各项具体工作，注重工作实效，全面掌握经营户基础信息情况，特别是抓好电子结算，明码实价，诚信管理等工作，不断提高月计划制定准确率，促进客户经营能力、经营利润的提高、品牌规范意识增强。

卷积神经网络的算法篇10

关键词：ROS；表面缺陷；图像采集；神经网络；模型训练

飞机蒙皮是包围在飞机骨架结构外且用粘接剂或铆钉固定于骨架上，形成飞机气动力外形的维形构件，在飞机正常工作状态下扮演着重要的角色，一旦飞机蒙皮出现缺陷等问题，需要及时的反馈出来并且维修。传统的飞机表面缺陷检测方式大多数是由人工来完成，会存在效率低、成本高等缺点，甚至会出现检测失误的情况。本文就针对铝合金表面缺陷检测方面，提出一种基于ROS的飞机表面缺陷检测系统，采用移动机器人底盘定位和导航技术，结合深度学习、图像处理等技术检测出存在缺陷的位置并标记出来，通过机器代替传统人工的方式，旨在提高检测效率和检测精度，为飞机表面缺陷检测提供一种方式。

1系统的总体设计

飞机表面缺陷检测系统主要由检测模块、ROS机器人模块、图像处理模块三大部分组成，系统的总体结构框图如图1所示。系统的具体工作原理为：在某一区域范围内，检测模块以树莓派为核心控制器，通过检测模块中的图像采集系统对铝合金材料表面进行图像采集，将采集到的图像通过TCP通信传输到图像处理模块上[4]。图像处理模块利用深度学习中设计的卷积神经网络进行数据训练，得到检测模型，将检测模型应用到图像预处理上。此时，OpenCV对检测模块得到的图像进行图像处理[5]，最终得到缺陷出现的位置。当前区域检测完毕后，通过ROS机器人模块的定位和导航功能，驱动运动执行机构工作，并移动到相邻下一块检测区域，直到所有位置都检测完毕。上述工作原理可实现飞机表面缺陷检测系统，下文将对其包括的三大模块进行说明介绍。

2检测模块设计

如图2所示，系统的检测模块主要是包括树莓派和摄像头，其中树莓派作为检测模块的处理器，搭建的有Ubuntu系统，是系统实现的重要组成部分。树莓派可以提供普通计算机的功能，并且功耗低。可直接在树莓派上安装Keil进行开发，具有很好的开发效果，运行稳定。本次飞机表面缺陷检测系统实现了树莓派将摄像头拍摄的图片发送到图像处理模块上，同时也搭载ROS系统实现了移动底盘的定位和导航功能。

3ROS机器人模块设计

ROS随着机器人技术发展愈发受到关注，采用分布式框架结构来处理文件，这种方式允许开发者单独设计和开发可执行文件。ROS还以功能包的形式封装功能模块，方便移植和用户之间的共享。下面将介绍其建图和导航功能的实现。

3.1建图设计

本文在ROS系统中使用Gmapping算法软件包实现建图[7]，在ROS系统中设计了建图过程中各节点及节点间的话题订阅/的关系如图3所示。在图3建图节点话题关系图上，其中椭圆形里代表节点，矩形基于ROS的飞机表面缺陷检测系统胡浩鹏（纽约大学NewYorkUniversity纽约10003）框里代表的是主题，节点指向主题代表着该节点了主题消息，主题指向节点代表着该节点订阅了主题消息。在建图过程中，主要涉及激光雷达节点、键盘控制节点、底盘节点、Gmapping节点和地图服务节点。

3.2导航设计

ROS提供的Navigation导航框架结构如图4所示，显然MOVE_BASE导航功能包中包括全局路径规划和局部路径规划两部分，即在已构建好的地图的基础上，通过配置全局和局部代价地图，从而支持和引导路径规划的实施。为了保证导航效果的准确，通过AMCL定位功能包进行护理床的位置定位[8]。获取目标点的位置后，MOVE_BASE功能包结合传感器信息，在路径规划的作用下，控制指令，控制护理床完成相应的运动。

4图像处理模块设计

图像处理模块设计主要分为图像预处理、模型训练和卷积神经网络三大部分，通过TCP通信协议进行通信，TCP通信是一种面向连接的通信，可完成客户端（树莓派）和服务端（PC）的信息传递[9]。下面主要对卷积神经网络部分进行介绍。

4.1卷积神经网络训练流程

通过相机采集到的缺陷和问题图像作为训练样本，这部分是检测飞机表面缺陷的关键一步，然后对训练样本进行训练，具体步骤如下所示。（1）训练标记数据：首先使用图像预处理中标记好的道路故障提取出来，通过卷积神经网络对标记框内的目标数据进行训练；（2）提取特征数据：将道路故障的类型统计并归纳；（3）误差反馈学习：对测试样本进行误差反馈学习，并进行测试；（4）优化训练数据：将得到的测试结果与设定的故障分类结果进行误差对比，不断优化训练集，最终得到理想的训练数据。

4.2缺陷检测流程

缺陷检测流程如图5所示，首先输入缺陷原始图像，通过特征提取网络，将处理后的图像使用检测器进行检测，其中检测器里为卷积神经网络训练后得到的模型，最终缺陷检测后得到的识别后的图像，并反馈出来。

4.3实验测试

铝合金表面缺陷主要有碰伤、刮花、凸粉、脏点等常见的缺陷，下面将以这四种为主要对象进行检测训练，各自训练集数量为1000张。通过卷积神经网络对缺陷的特征进行提取和分类，最终实现了缺陷的检测。本次实验测试的样本为200张，每种缺陷50张，均采集自铝合金材料表面且与训练样本一致，实验结果如表1所示。由表1可知，检测脏点的准确率高达98%，刮花和凸粉的准确率也达到94%，但碰伤的准确率相对较低，只有88%。可能造成的原因是：①硬件原因导致采集的图像清晰度比较低；②碰伤缺陷不明显，无人机难以识别；③训练的数据集较少，特征学习误差大；但最后结果是满足了设计需求，还需进一步改进。

5总结与展望