论文总字数：16654字

摘 要

近几年在大规模训练数据集的支撑下，计算机视觉中的物体识别算法取得了突破性的进展。但大多数识别方法依赖于已标注的大量样本图像，在给定数量有限或无训练图片的情况下，目前的图片识别模型对正确结果很难进行预测。零样本学习是一种对以上问题得以解决的可行方法。当日常生活中人们常常面对一些极其相似的物品时，依照人脑的记忆能力以及学习能力无法做出准确判断，从而需要依靠大数据网络信息进行辅助识别，因此考虑构建基于零样本学习的图像识别系统，实现图片识别系统的设计与实现。

系统的架构分为三层，分别为业务层，交互层和数据访问层。业务层对图片内容进行处理识别并返回处理结果，数据访问层对业务层处理过的数据进行分类再到数据层进行比对识别，将识别结果返回到交互层的用户系统界面。用户能在主界面进行拍照采集图片，或从设备图库获取图片上传进行识别，返回结果与相似度。根据所要实现的功能，数据库设计采用基于C/S架构的数据库连接方式，通过API接口构建函数对MySQL数据库进行数据的存放。系统开发采用的工具是微信官方开发者工具以及Mongodb和Mobomongo，开发环境为操作系统Windows 64位，开发使用的文本编译器是Sublime Text 3，开发语言为java。

设计并实现基于微信小程序的图像识别系统，实现用户进行拍照或选取本地图片上传进行处理返回识别结果与相似度。

关键词：零样本学习；图片识别；微信小程序；java

Abstract

不加页眉

In recent years, the object recognition algorithm in computer vision has a breakthrough development under the support of large-scale data set training. However, most recognition methods rely on a large number of labeled sample images. Given limited or no training images, the current visual recognition model is difficult to predict the correct results. Zero sample learning is a feasible method to solve the above problems. In daily life, when people are facing some very similar objects, the memory ability and learning ability of human brain, they can not make accurate judgment, so they need to rely on big data network information for auxiliary recognition. Therefore, we consider to build an image recognition system based on zero sample learning to realize the design and implementation of the image recognition system.

The architecture of the system can be divided into three layers: business exchange layer, user interaction layer and data access layer.The business layer processes and identifies the image content and returns the processing results. The data access layer classifies the data processed by the business layer and then compares and identifies the data layer, and returns the identification results to the user system interface of the interaction layer. The user can take photos and collect pictures in the main interface, or get pictures from the device library and upload them for identification, and return the results and similarity. According to the functions to be realized, the database design adopts the database connection mode based on the CS architecture, and stores the data of MySQL database through the API interface construction function. The tools used in the system development are official wechat developer tools, mongodb and mobomongo. The development environment is the operating system Windows 64 bit. The compiler for compiling text used in system development is sublime text 3, and Java is the development language.

Design and implement the image recognition system based on wechat applet, realize the user to take photos or select local pictures to upload for processing and return recognition results and similarity.

Key words: Zero short learning; Picture recognition; WeChat app; Java

目录

摘 要 I

Abstract II

第一章 绪 论 1

1.1 论文工作背景与意义 1

1.2 相关研究现状 1

1.3 主要工作内容 2

1.4 论文组织结构 2

第二章 相关技术 3

2.1识别算法CADA-VAE模型 3

2.2程序开发技术 5

2.3 JavaScript与Java 5

第三章 系统需求分析 7

3.1系统功能需求分析 7

3.2非功能性需求 8

3.3本章小结 8

第四章 系统设计 9

4.1系统分层结构设计 9

4.2系统总体工作流程设计 10

4.3主要功能模块 10

第五章 系统实现与测试 13

5.1 系统实现工具与环境 13

5.2核心代码分析 13

5.3 系统主要运行界面 15

5.4 系统测试 16

5.5 系统测试 20

5.6本章小结 20

第六章 总结与展望 21

致谢 22

参考文献（References） 23

绪 论

1.1 论文工作背景与意义

当今的时代是一个充斥着信息的时代。我们在日常生活交流时，图像不可或缺的成为交流信息的便捷有效载体，人们也更喜欢用图的形式进行更加直观的交流。日常生活中人们常常面对一些极其相似的物品，凭借人脑的记忆能力以及学习能力无法做出准确判断，从而需要对物品拍照，用图片形式进行辅助识别，帮助人们在日常生活中可以随时随地进行辅助物品识别，并通过用户的大量使用完善数据集的采集，进一步提高识别准确率。在此背景下，考虑利用零样本学习模型CADA-VAE模型进行对图片的学习与识别，设计并实现基于微信小程序的图像识别系统，实现用户进行拍照或选取本地图片上传进行处理返回识别结果与相似度。

1.2 相关研究现状

图像识别通过对识别图片进行信息提取，通过大数据智能分析算法进行比对，实现对图像的识别，用来解决机器和外部环境交流时的问题。图片识别发展到今天，在各个领域都有所涉及，并且发展迅速，在有针对性的图片识别领域，应用较广泛的有车牌识别，人脸识别，考勤打卡识别等^[1]。图像识别技术主要是通过卷积神经网络来实现的。卷积神经网络相对于其他方法的优势在于它的原理，它的原理是同一图像中相邻像素具有强关联性和强相似度。零样本图片识别学习是指在没有任何观测数据的情况下进行分类识别，它的主要思想是在于探究和使用未知类与已知类在语义或其他高层特征间的相关知识，以达到对相关知识进行迁移学习的目的^[2]。零样本学习的优势在于，在训练时它可以通过对已知类与未知类建立耦合关系，然后把已知类学习到的知识迁移到未知类上，这样就进行了对未知类的预测学习，以语义空间为基础，在训练时使用已知类已经学习过的的数据集，学习类别和图像之间的关系，测试时使用已经学习过的关系，先根据图像特征预测相对应的语义向量，再根据语义向量匹配图像所属类别^[3]。

本文主要利用基于零样本学习的百度ai算法,，通过对微信小程序进行系统设计，从而对图片进行识别，用来帮助人们日常生活进行物体的查找，以及对未知物体的学习记忆，百度的ai算法对于大数据学习发展的十分迅速，本文利用学习的结果设计出微信小程序作为载体，在手机上进行简单交互达到物体识别，把技术转化为方便人们日常生活的一种工具^[4]。

1.3 主要工作内容

在本次系统设计中，首先对整个系统工作时的流程进行设计，然后对各个功能模块进行需求分析，再对系统的各个功能模块进行设计，接着用java语言编程对所有功能实现，最后对所有功能进行测试，系统的基本功能得到实现。

1.4 论文组织结构

根据所研究内容，论文共分为五章：

剩余内容已隐藏，请支付后下载全文，论文总字数：16654字