摘 要

卷积神经网络是近年发展起来的一种高效识别的方法。因为卷积神经网络具有识别效果好,计算速度快，容错能力强等特点，所以被广泛应用于图像识别和模式识别等多个方面。本文所涉及到的图像识别、机器翻译以及词向量的生成都与卷积神经网络有着密切的关系。在卷积神经网络的基础上，我们设计并实现了一个对联生成与检索系统。

本文主要采用imagenet数据集，利用inception-2模型对给定的图像进行分类，再使用机器翻译的方法，将得到的英文单词翻译为中文，最后借助word2vec工具将词转化为词向量，并从现有的对联数据库中匹配合适的上联。

本文的特色及意义：借鉴了很多不同的技术与方法，并且将这些方法和技术融合运用，具有极大的参考价值和借鉴作用。

关键词：卷积神经网络；机器翻译；信息检索；对联

Abstract

Convolution neural network ,developed in recent years, is a highly efficient method of identification. Because convolution neural network has the characteristics of accurate identification results, fast calculation speed and strong fault tolerance, it is widely used in image recognition, pattern recognition and so on. In the paper,we use several technologies, such as image recognition, machine translation and word vector, which are closely related to the convolution neural network. Therefore, we design and implement a couplet retrieval system based on convolution neural network.

In this paper, we apply the inception-2 model to classify the given images which are from the Imagenet Dataset, and then use the method of machine translation to translate the English keywords into Chinese words. According to these words, we need to transform them into word vectors. Finally we should match the most suitable couplet from the given couplet database.

The characteristics and significance: It’s of great value and reference because we draw on a lot of different technologies and methods in the paper.

Key Words：Convolution neural network；machine translation；image recognition；couplet

目 录

摘 要 I

Abstract II

第1章 绪论 1

1.1 研究背景及意义 1

1.2 国内外相关研究及进展 1

1.3 本文的主要工作及结构安排 2

第2章 背景知识 3

2.1 卷积神经网络 3

2.1.1 卷积神经网络简介 3

2.1.2 局部感知域和共享权重 4

2.1.3 神经网络结构 4

2.2 机器翻译 5

2.2.1 机器翻译简介 5

2.2.2 机器翻译的几种形式 5

2.3 信息检索 7

2.3.1 文本检索 7

第3章 基于图像内容检索的对联系统设计与实现 9

3.1 环境搭建 9

3.1.1 系统平台 9

3.1.2 系统环境 9

3.1.3 系统设计 9

3.2 识别图片并对其进行分类 10

3.2.1 基本技术原理 10

3.2.2 图像识别模块实现 11

3.3机器翻译 15

3.3.1基本技术原理 15

3.3.2翻译模块实现 17

3.4 词向量转换 19

3.4.1 基本技术原理 19

3.4.2 分词模块和词向量转化模块实现 20

3.5 匹配对联上联 24

第4章 结论 26

参考文献 27

第1章 绪论

1.1 研究背景及意义

随着互联网发展，网络上将会出现越来越多图像、音频等非文本的信息，这就需要我们用一种更为高效、可靠的方法让计算机去识别这些内容，并且得到相应的信息。传统的图像检索是手工标注关键字,并通过关键字检索来检索图像，工作量巨大。而卷积神经网络效率高，容错能力强，可以快速处理大规模的数据，是进行图像内容检索很好的选择。

机器翻译技术是与计算机技术、信息论、语言学等学科的紧密相关的。从字典匹配开始，到后来出现词典结合语言专家知识的规则翻译,再到基于语料库的统计机器翻译,借助计算机的计算能力和多语种信息，机器翻译技术正快速进步的增长，机器翻译技术越来越成熟，普通用户也可以享受到快速方便的翻译服务。

信息检索是指按一定的方式将信息组织起来，并根据不同用户的信息需要找出有关的信息的过程和技术。随着检索技术的不断成熟，传统的统计检索已经不太适合现在的快速的、准确的检索，基于词向量的检索技术正广泛应用于各个领域中。

1.2 国内外相关研究及进展

图像识别与分割虽然是图像处理领域研究最多的课题之一，但它仍然是现今研究的中心之一。图像识别的发展经历了三个阶段，这三个阶段是字符识别、数字图像处理与识别、物体识别。基于图像内容检素虽然是一条更为准确直观的检索图片的途径,但由于图像内容特征难以准确提取和描述,图像特征的相似度计算和人眼对图片的感知存在一定的差异,即知识领域与检索任务的限制，从而不能得到准确的内容。进行这一研究对该技术以后的发展具有重要的意义。由于图形识别技术的快速发展，越来越多的科技公司开始瞄准图形识别领域，这标志着读图时代正式到来，并且我们进将会因此而进入更加智能的未来[^[1]]。

机器翻译在一开始提出时并未受到太大的关注，但随着互联网时代的到来，一方面是计算机技术的不断发展，人们对机器翻译的日益需求逐渐增大；另一方面，随着机器翻译模型的提出，基于大规模语料库统计翻译的发展，机器翻译逐渐成为研究人员的重要关注点。现如今，随着自然语言的不断发展，利用自然语言处理翻译问题，也逐渐成为翻译的趋势。