论文总字数：18016字

摘 要

近些年来，机器学习算法十分火热，在人工智能和数据分析领域发挥着十分重要的作用。这些算法就是利用海量数据，从数据中找出具有一定规律的结果，最后利用结果进行分类或者预测。机器学习仅仅在训练样本上表现好是不够的，它的最终目标是使学到的函数很好地适用于“新样本”。随着人们对动物及生态环境的保护意识逐步提高，人们需要能够快速实现动物种类识别的技术。本文通过Pytorch平台搭建机器学习环境，对大量数据进行分析，结合传统图像识别技术和卷积神经网络，根据提供的动物图片特征实现动物种类的识别。

关键词：机器学习 数据分析 神经网络 动物识别

Research on animal recognition algorithm based on machine learning

Abstract

In recent years, machine learning algorithms are very popular and play a very important role in the field of artificial intelligence and data analysis.These algorithms use massive data to find out the results with certain rules from the data, and then use the results to classify or predict.It is not enough for machine learning to perform well on a training sample; its ultimate goal is to make the learned function work well for the "new sample".With the gradual improvement of people's awareness of animal and ecological environment protection, people need the technology that can quickly realize animal species identification.This paper builds a machine learning environment through Pytorch platform, analyzes a large amount of data, combines traditional image recognition technology and convolutional neural network, and realizes the recognition of animal species according to the provided animal picture features.

Key word: machine learning; The data analysis; Neural network; animal recognition

目录

摘 要 1

Abstract 2

目录 1

第一章 绪论 1

1.1选题背景及意义 1

1.2国内外研究现状 1

1.2.1机器学习国内外研究现状 1

1.2.2识别技术国内外研究现状 2

第二章 开发技术及开发环境介绍 5

2.1动物图像数据集的采集 5

2.2 开发工具及关键技术 6

2.2.1 Python语言 6

2.2.2 Pytorch 6

2.2.3 损失函数及交叉熵损失函数 6

2.2.4 神经网络 7

2.2.5梯度下降优化算法 10

2.3本章小结 11

第三章 动物识别算法设计 13

3.1定义相关全局变量 13

3.2对图片文件进行处理 13

3.3卷积神经网络 14

3.3.1卷积层和池化层 14

3.3.2全连接层 15

3.3.3正向传播函数 16

3.4计算训练正确率 16

3.5训练函数的定义与数据集的训练 17

3.5.1定义损失函数与优化器 17

3.6搭建训练网络 17

3.7主函数 18

3.8 本章总结 18

第四章 数据集训练及测试 20

4.1训练结果 20

4.1.1训练结果可视化 20

4.1.2 训练结果分析 21

4.2 测试结果 22

4.3 本章总结 25

第五章 总结 26

参考文献 27

致谢 30

第一章 绪论

1.1选题背景及意义

近些年，人工智能取得了飞速的进展，简单的机械化工作逐步被智能终端取代，在提高工作效率的同时还促进了工业的发展。智能手机，家居机器人等智能终端已经普遍存在与人们的日常生活中。

机器学习和深度学习的研究与发展是近些年来人工智能领域上算法研究的重要突破。人工神经网络的研究催生了深度学习的概念。深度学习为了能够得出相应的结果完成相应的学习任务，会先寻找一些比较简单的特征，然后就通过各种方式组合形成更加复杂抽象的高级特征。之后，便有人提出了第一个具有复杂多层结构的学习算法——卷积神经网络，它的特点是参数数目较少以至于训练性能较好，主要是利用空间相对关系来达到的。

动物分类学本身就是一门古老的学科，我国古时候就有相应的文献对动物各物种进行详尽的分类，这对于人类认识这个世界提供了巨大的帮助。而后达尔文的生物进化论更是在考察成千上万的物种之后编著而成的。可见人类一直以来都很注重对动物种类的研究。特别是近些年来，随着人类生态环境保护意识的不断加强，对珍惜野生动物的保护认识不断加深，更需要注重对动物种类识别的研究。随着大数据时代的到来，人们不满足与通过查阅海量书籍来进行动物识别，而是想利用机器学习，使计算机能够通过大量的数据学习之后，自行识别动物种类。这个技术的意义在于为濒临灭绝的珍惜野生动物提供保护，保护大自然的物种多样性，还能为普通动物爱好者或科学研究这提供一个便捷的工具。除此之外，还可以应用于教育领域，提高儿童的动物识别能力。

1.2国内外研究现状

1.2.1机器学习国内外研究现状

机器学习是人工智能领域非常重要的一环，是实现计算机智能及其在人工智能各个领域应用的基本途径。1950年，人们从神经元开始对机器学习进行研究,先采用模型和函数逼近理论、决策树学习和基于符号计算规则等研究方法,然后通过认知心理学，对概念进行解释和类比。

近些年来机器学习在应用方面进展尤为迅速，比如：证券市场分析，图像处理，遥感信息处理，天气预报搜索等等。如下为一些突出的应用案例：

语音识别：目前已经具有能够从别人所说的语音中识别出单个字和句子，平时人们接触也比较多，比如王者荣耀些网络游戏里面的语音转换文字，除了普通话以外还能识别方言。不仅如此，还能在嘈杂的环境中排除噪音的干扰实现语音识别。其他语音处理领域也常常应用这种技术。

请支付后下载全文，论文总字数：18016字