基于深度學(xué)習(xí)的實(shí)驗(yàn)設(shè)備識(shí)別系統(tǒng)開發(fā)設(shè)計(jì)

黃濟(jì)川 楊雨秋 廖磊

摘? ?要： 為了讓使用者科學(xué)規(guī)范使用實(shí)驗(yàn)設(shè)備、教學(xué)者提高實(shí)驗(yàn)室教學(xué)效率，提出了基于深度學(xué)習(xí)的實(shí)驗(yàn)設(shè)備識(shí)別系統(tǒng)，系統(tǒng)搭載Android平臺(tái)環(huán)境，使用者通過拍照或本地相冊(cè)選取實(shí)驗(yàn)設(shè)備圖像。Android客戶端采集圖像并裁剪，使用TCP/IP網(wǎng)絡(luò)傳輸協(xié)議將圖像發(fā)送至服務(wù)器端;服務(wù)器端使用殘差網(wǎng)絡(luò)和改進(jìn)的YOLO網(wǎng)絡(luò)模型對(duì)圖像進(jìn)行檢測(cè)，并在數(shù)據(jù)庫中查找圖像特征值對(duì)應(yīng)的實(shí)驗(yàn)設(shè)備;數(shù)據(jù)庫將識(shí)別結(jié)果和設(shè)備使用方法、注意事項(xiàng)等反饋至Android客戶端。測(cè)試表明，系統(tǒng)對(duì)實(shí)驗(yàn)設(shè)備的識(shí)別準(zhǔn)確率可達(dá)99%以上。實(shí)驗(yàn)設(shè)備識(shí)別系統(tǒng)可為同行提供參考借鑒，提高教學(xué)效率和質(zhì)量。

關(guān)鍵詞： 深度學(xué)習(xí);實(shí)驗(yàn)設(shè)備識(shí)別系統(tǒng);Android客戶端;服務(wù)器端;TCP/IP網(wǎng)絡(luò)傳輸協(xié)議;殘差網(wǎng)絡(luò);改進(jìn)的YOLO網(wǎng)絡(luò)模型

引言

隨著我國(guó)教育現(xiàn)代化水平的不斷提高，實(shí)踐與理論相結(jié)合成為各大高校的教學(xué)理念，實(shí)驗(yàn)室建設(shè)成為該教學(xué)理念的重要支撐。眾所周知，在實(shí)驗(yàn)室中，實(shí)驗(yàn)設(shè)備種類繁多、不易辨別、價(jià)格昂貴而且大多數(shù)操作復(fù)雜、不易上手，這對(duì)于剛接觸到這些設(shè)備的學(xué)生而言，是一項(xiàng)很大的挑戰(zhàn)。教師通常需要花費(fèi)大量的時(shí)間帶領(lǐng)學(xué)生了解、掌握并操作實(shí)驗(yàn)設(shè)備，避免學(xué)生的誤操作對(duì)實(shí)驗(yàn)設(shè)備造成的損壞，這縮短了學(xué)生自己動(dòng)手實(shí)踐的時(shí)間，也加大了教師的教學(xué)壓力。因此，設(shè)計(jì)一種自動(dòng)識(shí)別實(shí)驗(yàn)設(shè)備，并且介紹其操作步驟和實(shí)驗(yàn)注意事項(xiàng)的系統(tǒng)，能夠有效地解決上述問題。

深度學(xué)習(xí)是一種來自人工智能研究領(lǐng)域的新技術(shù)[1]，在圖像識(shí)別與處理、計(jì)算機(jī)視覺、視頻分析和語音識(shí)別等諸多領(lǐng)域都有所應(yīng)用。深度學(xué)習(xí)起源于人工神經(jīng)網(wǎng)絡(luò)，可以理解為神經(jīng)網(wǎng)絡(luò)的橫向堆疊，能夠產(chǎn)生更深的網(wǎng)絡(luò)結(jié)構(gòu)。深度學(xué)習(xí)不需要人為提取目標(biāo)物特征，而是通過迭代訓(xùn)練得到目標(biāo)物自淺至深的特征信息[2]。因此若能基于深度學(xué)習(xí)開發(fā)設(shè)計(jì)實(shí)驗(yàn)設(shè)備識(shí)別系統(tǒng)，則可通過卷積神經(jīng)網(wǎng)絡(luò)從多維度識(shí)別設(shè)備特征，從而實(shí)現(xiàn)實(shí)驗(yàn)設(shè)備的準(zhǔn)確識(shí)別。

為了開發(fā)設(shè)計(jì)一款基于深度學(xué)習(xí)的實(shí)驗(yàn)設(shè)備識(shí)別系統(tǒng)，本文提出系統(tǒng)設(shè)計(jì)和實(shí)現(xiàn)方法，重點(diǎn)在于目標(biāo)分類與目標(biāo)識(shí)別，以及在Android平臺(tái)環(huán)境上的人機(jī)交互。系統(tǒng)設(shè)計(jì)將圖像處理技術(shù)、網(wǎng)絡(luò)通信技術(shù)、數(shù)據(jù)庫和模式識(shí)別技術(shù)以及一些基于Android的技術(shù)有機(jī)融合。學(xué)生（使用者）對(duì)實(shí)驗(yàn)設(shè)備進(jìn)行拍攝，系統(tǒng)即可實(shí)現(xiàn)對(duì)實(shí)驗(yàn)設(shè)備圖像的檢測(cè)和識(shí)別，并將設(shè)備簡(jiǎn)介、使用方法、注意事項(xiàng)等反饋給學(xué)生，方便學(xué)生對(duì)設(shè)備的使用，從而提高實(shí)驗(yàn)效率和教學(xué)效果。

1? 方案設(shè)計(jì)

1.1? 需求分析

因?yàn)樵趯?shí)驗(yàn)室中存在多種實(shí)驗(yàn)設(shè)備，且設(shè)備的使用方法和注意事項(xiàng)往往是不同的，因此對(duì)于初次接觸這些實(shí)驗(yàn)設(shè)備的學(xué)生而言，熟練掌握各種實(shí)驗(yàn)設(shè)備的使用方法具有一定的難度。因此需要一種簡(jiǎn)單快捷的實(shí)驗(yàn)設(shè)備識(shí)別系統(tǒng)，學(xué)生對(duì)實(shí)驗(yàn)設(shè)備進(jìn)行拍照后，系統(tǒng)可采集照片并進(jìn)行處理，以得到該實(shí)驗(yàn)設(shè)備的反饋信息，從而指導(dǎo)學(xué)生自主完成對(duì)實(shí)驗(yàn)設(shè)備的科學(xué)規(guī)范使用。

1.2? 系統(tǒng)總體設(shè)計(jì)

基于深度學(xué)習(xí)的實(shí)驗(yàn)設(shè)備識(shí)別系統(tǒng)的總體設(shè)計(jì)思路是，使用者使用Android客戶端[3-4]對(duì)實(shí)驗(yàn)設(shè)備拍照，系統(tǒng)采集設(shè)備圖像并進(jìn)行裁剪[5]，通過TCP/IP網(wǎng)絡(luò)傳輸協(xié)議將實(shí)驗(yàn)設(shè)備圖像發(fā)送至服務(wù)器端，實(shí)現(xiàn)客戶端和服務(wù)器端的數(shù)據(jù)交互。服務(wù)器端收到設(shè)備圖像后，使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)其進(jìn)行識(shí)別，提取圖像的特征值[6]，并在數(shù)據(jù)庫中查找該實(shí)驗(yàn)設(shè)備的相關(guān)信息，最后將查找結(jié)果反饋至Android客戶端。下面分別介紹系統(tǒng)的體系結(jié)構(gòu)設(shè)計(jì)和系統(tǒng)功能設(shè)計(jì)。

1.2.1? 體系結(jié)構(gòu)設(shè)計(jì)

基于深度學(xué)習(xí)的實(shí)驗(yàn)設(shè)備識(shí)別系統(tǒng)包括兩大體系：客戶端和服務(wù)器端。系統(tǒng)體系結(jié)構(gòu)圖如圖1所示。

1.2.2? 系統(tǒng)功能設(shè)計(jì)

該系統(tǒng)的主要功能為實(shí)驗(yàn)設(shè)備的識(shí)別和反饋，是通過圖1中圖像采集與裁剪模塊、圖像傳輸模塊、圖像識(shí)別模塊和數(shù)據(jù)庫實(shí)現(xiàn)的，下文對(duì)各自的功能進(jìn)行具體描述。

（1）圖像采集與裁剪模塊：從客戶端得到相機(jī)權(quán)限，對(duì)使用攝像頭拍攝的或是本地相冊(cè)中的實(shí)驗(yàn)設(shè)備圖像進(jìn)行裁剪，去除圖像的多余部分，使圖像只包含該實(shí)驗(yàn)設(shè)備。

（2）圖像傳輸模塊：利用網(wǎng)絡(luò)傳輸協(xié)議將圖像從客戶端向服務(wù)器端發(fā)送，服務(wù)器端識(shí)別從客戶端傳送來的圖像，并使用該模塊將識(shí)別得到的結(jié)果傳輸回客戶端，反饋給設(shè)備使用者。

（3）圖像識(shí)別模塊：該模塊為系統(tǒng)核心模塊，所有的圖像識(shí)別工作都由該模塊完成。在系統(tǒng)功能設(shè)計(jì)中，基于Matlab平臺(tái)[7]，使用殘差模型對(duì)實(shí)驗(yàn)設(shè)備圖像進(jìn)行分類，然后使用改進(jìn)的YOLO網(wǎng)絡(luò)模型對(duì)圖像進(jìn)行檢測(cè)。

（4）數(shù)據(jù)庫：利用圖像識(shí)別模塊提取出的特征值，在實(shí)驗(yàn)設(shè)備數(shù)據(jù)庫中查找該特征值對(duì)應(yīng)的實(shí)驗(yàn)設(shè)備，并將介紹該設(shè)備相關(guān)知識(shí)的文檔反饋至客戶端。

1.3? Android客戶端設(shè)計(jì)

本系統(tǒng)的Android客戶端采用的環(huán)境為Android Studio[8-9]，在Windows 10操作系統(tǒng)下運(yùn)行。Android Studio將APP應(yīng)用程序打包為“.apk”文件，并在使用Android操作系統(tǒng)的手機(jī)上進(jìn)行安裝。

安裝完成后，使用者點(diǎn)擊手機(jī)中的“實(shí)驗(yàn)設(shè)備識(shí)別系統(tǒng)”圖標(biāo)，進(jìn)入識(shí)別系統(tǒng)的登錄界面，如圖2a所示，在該頁面中，用戶需要輸入用戶名和密碼才能夠登錄系統(tǒng)。登錄系統(tǒng)后，顯示設(shè)備識(shí)別界面，如圖2b所示。該界面有“相冊(cè)”按鈕和“拍照”按鈕，點(diǎn)擊它們即可開始識(shí)別。

客戶端還有“識(shí)別記錄”、“識(shí)別統(tǒng)計(jì)”和“我的”界面，便于使用者查找歷史記錄和統(tǒng)計(jì)使用情況。

1.4? 服務(wù)器端設(shè)計(jì)

服務(wù)器端設(shè)計(jì)的主要工作為創(chuàng)建GUI界面。該界面的主要目的是使開發(fā)人員更加方便地對(duì)系統(tǒng)進(jìn)行調(diào)試與修改。如圖3所示，GUI界面的組件有“開啟通信”按鈕、“關(guān)閉通信”按鈕、“清空”按鈕和文本顯示框等。點(diǎn)擊“開啟通信”按鈕能夠打開Socket通信，使客戶端與服務(wù)器端進(jìn)行數(shù)據(jù)交互;點(diǎn)擊“關(guān)閉通信按鈕”能夠終止服務(wù)，中斷客戶端與服務(wù)器端的連接;點(diǎn)擊“清空”按鈕能夠清空歷史查詢記錄中的無用文本。

1.5? 識(shí)別算法模塊設(shè)計(jì)

識(shí)別算法模塊使用殘差網(wǎng)絡(luò)模型對(duì)實(shí)驗(yàn)設(shè)備圖像進(jìn)行分類，使用改進(jìn)的YOLO網(wǎng)絡(luò)模型進(jìn)行檢測(cè)。

1.5.1? 殘差網(wǎng)絡(luò)模型

殘差網(wǎng)絡(luò)是一種新型的深度卷積神經(jīng)網(wǎng)絡(luò)，其核心目的為解決神經(jīng)網(wǎng)絡(luò)太深造成的退化問題[10]。雖然增加網(wǎng)絡(luò)復(fù)雜性可以改善網(wǎng)絡(luò)性能，但是神經(jīng)網(wǎng)絡(luò)過深會(huì)造成梯度消失。雖然可以利用正則化來解決這一問題，但又會(huì)出現(xiàn)一個(gè)新的問題，即網(wǎng)絡(luò)退化，因此即使增加網(wǎng)絡(luò)層數(shù)，訓(xùn)練準(zhǔn)確度依然會(huì)降低。殘差網(wǎng)絡(luò)就能很好地解決這一問題。殘差塊如圖4所示。

1.5.2? 改進(jìn)的YOLO網(wǎng)絡(luò)模型

YOLO是一種采用單一卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測(cè)的方法，能夠?qū)崿F(xiàn)End-to-End檢測(cè)，但其準(zhǔn)確率低，易產(chǎn)生目標(biāo)錯(cuò)誤定位的問題[11]。本文對(duì)YOLO算法進(jìn)行逐級(jí)優(yōu)化，將算法結(jié)構(gòu)設(shè)計(jì)成三個(gè)串聯(lián)的卷積神經(jīng)網(wǎng)絡(luò)，每一個(gè)網(wǎng)絡(luò)輸出的bounding box都會(huì)發(fā)送到下一個(gè)卷積神經(jīng)網(wǎng)絡(luò)，并逐個(gè)優(yōu)化，使識(shí)別的精度進(jìn)一步提高，精確圖像定位。

通過神經(jīng)網(wǎng)絡(luò)識(shí)別實(shí)驗(yàn)設(shè)備圖像。首先將待識(shí)別圖像送到神經(jīng)網(wǎng)絡(luò)中，利用多層卷積結(jié)構(gòu)提取圖像特征，來確定目標(biāo)圖像的位置，然后將卷積神經(jīng)網(wǎng)絡(luò)輸出的bounding box發(fā)送給下一個(gè)神經(jīng)網(wǎng)絡(luò)，通過預(yù)測(cè)的類別概率來優(yōu)化網(wǎng)絡(luò)。這個(gè)神經(jīng)網(wǎng)絡(luò)和第一個(gè)神經(jīng)網(wǎng)絡(luò)一樣，也會(huì)輸出bounding box，進(jìn)行類別概率的預(yù)測(cè)。重復(fù)以上操作，再將bounding box送入第三個(gè)神經(jīng)網(wǎng)絡(luò)中進(jìn)行優(yōu)化，最后輸出精確的識(shí)別結(jié)果。

優(yōu)化后的YOLO網(wǎng)絡(luò)模型結(jié)構(gòu)為三個(gè)相似卷積網(wǎng)絡(luò)的串聯(lián)，結(jié)構(gòu)如表1所示。

將傳統(tǒng)的YOLO網(wǎng)絡(luò)模型中單一的卷積網(wǎng)絡(luò)分成三個(gè)深度為11層的串聯(lián)卷積網(wǎng)絡(luò)模型，導(dǎo)致這三個(gè)卷積網(wǎng)絡(luò)層數(shù)降低，目標(biāo)圖像大小也因此減?。◤?48減小到224）。通過將全連接層替換為全局平均池化層，可以實(shí)現(xiàn)模型運(yùn)行速度的提高。每個(gè)卷積網(wǎng)絡(luò)都將目標(biāo)圖像分為7×7的小網(wǎng)格，通過卷積網(wǎng)絡(luò)逐級(jí)對(duì)網(wǎng)格的bounding box進(jìn)行優(yōu)化，使圖像大小從224×224減小到200×200，實(shí)現(xiàn)參數(shù)個(gè)數(shù)的降低。

2? 系統(tǒng)實(shí)現(xiàn)

2.1? Android客戶端模塊實(shí)現(xiàn)

實(shí)驗(yàn)設(shè)備識(shí)別系統(tǒng)Android客戶端需要實(shí)現(xiàn)圖像獲取、裁剪以及圖像傳輸?shù)墓δ堋?/p>

2.1.1? 圖像獲取

系統(tǒng)有兩種圖像獲取方式，一種為調(diào)用客戶端攝像頭，在Android開發(fā)中，通過openCamera（）函數(shù)打開相機(jī)權(quán)限，建立一個(gè)CameraManager;然后通過getParameters（）函數(shù)獲取攝像頭參數(shù)，通過Camera.Parameters對(duì)象設(shè)定拍照參數(shù);調(diào)用相機(jī)的setPreviewDisplay（）函數(shù)選取某個(gè)SurfaceView，以此顯示待拍照的目標(biāo)圖像;最后通過takePreview（）函數(shù)打開相機(jī)并進(jìn)行目標(biāo)的拍照，使用onActivityResult（）方法保存圖像[12]。另一種為調(diào)用客戶端相冊(cè)，首先設(shè)置AndroidManifest.xml文件的讀寫權(quán)限;然后利用pickImageFromAlbum（）函數(shù)載入相冊(cè)，并利用onActivityResult（）的getContentReslover（）函數(shù)得到待顯示目標(biāo)圖像的具體位置;最后采用ImageView的setImageURI（）函數(shù)“讀”目標(biāo)圖像。

2.1.2? 圖像裁剪

將圖像發(fā)送至服務(wù)器端之前，需要對(duì)圖像進(jìn)行裁剪操作。Android系統(tǒng)提供了一個(gè)action，通過該action能夠?qū)崿F(xiàn)圖像的裁剪操作，可以采用intent.putExtra（）函數(shù)實(shí)現(xiàn)裁剪框和圖像尺寸的設(shè)置，然后調(diào)用onActivityResult（）函數(shù)返回裁剪結(jié)果。

2.1.3? 圖像傳輸

圖像被裁剪之后需要對(duì)其進(jìn)行傳輸，圖像傳輸是圖像界面開發(fā)中一種基于控件的事件處理。在Android操作系統(tǒng)中，包括基于回調(diào)和監(jiān)聽兩種事件處理方法，本實(shí)驗(yàn)設(shè)備識(shí)別系統(tǒng)選擇基于監(jiān)聽的事件處理對(duì)客戶端生成的圖像進(jìn)行傳輸，其基本思想為，當(dāng)客戶端按動(dòng)觸發(fā)響應(yīng)按鈕時(shí)，相應(yīng)的監(jiān)聽器會(huì)調(diào)用事件的處理程序，以處理該事件?；诒O(jiān)聽的事件處理流程圖如圖5所示。

2.2? 服務(wù)器端模塊實(shí)現(xiàn)

系統(tǒng)服務(wù)器端需要完成網(wǎng)絡(luò)通信和圖像識(shí)別。

2.2.1? 網(wǎng)絡(luò)通信

網(wǎng)絡(luò)通信協(xié)議[13]用來實(shí)現(xiàn)服務(wù)器端間的數(shù)據(jù)傳輸，在實(shí)驗(yàn)設(shè)備識(shí)別系統(tǒng)中，客戶端與服務(wù)器端之間的數(shù)據(jù)利用網(wǎng)絡(luò)通信協(xié)議來完成。Android系統(tǒng)最常使用的通信方式就是Socket通信。Socket通信亦稱套接字，是一種能夠直接傳輸數(shù)據(jù)的通道，當(dāng)客戶端與服務(wù)器端連接時(shí)，服務(wù)器端即可主動(dòng)發(fā)送信息，不需要等待客戶端發(fā)送請(qǐng)求。Socket包括TCP和UDP應(yīng)用服務(wù)，該系統(tǒng)的數(shù)據(jù)傳輸功能選擇TCP應(yīng)用服務(wù)實(shí)現(xiàn)。Socket通信需要知道客戶端和服務(wù)器端的IP地址和通信端口號(hào)，然后創(chuàng)建客戶端套接字，通過輸入和輸出流對(duì)象分別與服務(wù)器端接收和發(fā)送數(shù)據(jù)，同時(shí)創(chuàng)建服務(wù)器端來接收客戶端套接字，等待接收連接請(qǐng)求。常見的服務(wù)器端Socket為ServerSocket類，使用ServerSocket類的accept方法連接Socket，通過輸入和輸出流對(duì)象分別與客戶端接收和發(fā)送數(shù)據(jù)。

2.2.2? 圖像識(shí)別

實(shí)驗(yàn)設(shè)備圖像從客戶端成功傳送至服務(wù)器端之后，需要對(duì)圖像進(jìn)行識(shí)別。服務(wù)器端首先需要?jiǎng)h除上一次的圖像識(shí)別結(jié)果，創(chuàng)建新文件。Java中有一套完整的文件讀寫函數(shù)，利用Java包含的IO工具類創(chuàng)建或者刪除文件，具體方法為建立File（Stringpath）對(duì)象，并通過exit方法判斷預(yù)先設(shè)定的路徑是否包含文件，若是，則采取delete方法將文件刪除，再采取createNewFile（）方法新建文件;否則，直接新建文件。

使用Matlab平臺(tái)對(duì)實(shí)驗(yàn)設(shè)備識(shí)別算法進(jìn)行研究，服務(wù)器端在識(shí)別圖像時(shí)，調(diào)用Matlab平臺(tái)識(shí)別接收到的圖像，使用rbf建立殘差網(wǎng)絡(luò)模型，實(shí)現(xiàn)對(duì)實(shí)驗(yàn)儀器圖像的分類，最后調(diào)用程序中的實(shí)驗(yàn)設(shè)備識(shí)別算法。該算法指令為：

Process pro=Runtime.getRuntime（）.exec（"matlab -nodesktop -nosplash -timing -r YOLO（'D：＼＼ceshi1.jpg'）"）;其中，YOLO為識(shí)別算法，“ceshi1.jpg”為待識(shí)別的圖像。

對(duì)實(shí)驗(yàn)設(shè)備圖像進(jìn)行識(shí)別之后，服務(wù)器端將識(shí)別的結(jié)果存放到創(chuàng)建的新文件中，讀取識(shí)別結(jié)果，最后將其發(fā)送至客戶端。

3? 系統(tǒng)測(cè)試

針對(duì)設(shè)計(jì)的實(shí)驗(yàn)設(shè)備識(shí)別系統(tǒng)進(jìn)行了測(cè)試，測(cè)試結(jié)果如圖6和圖7所示。經(jīng)多次測(cè)試后，本文開發(fā)設(shè)計(jì)的基于深度學(xué)習(xí)的實(shí)驗(yàn)設(shè)備識(shí)別系統(tǒng)的識(shí)別準(zhǔn)確率可達(dá)99%以上，證明該系統(tǒng)具有良好的可靠性和實(shí)用性。

4? 結(jié)語

本文開發(fā)設(shè)計(jì)了一種基于深度學(xué)習(xí)的，通過采集到的拍攝圖像自動(dòng)識(shí)別實(shí)驗(yàn)設(shè)備并且介紹其使用方法和注意事項(xiàng)的實(shí)驗(yàn)設(shè)備識(shí)別系統(tǒng)，該系統(tǒng)能夠有效地解決實(shí)驗(yàn)設(shè)備種類繁多、不易辨別和操作復(fù)雜等問題，能為學(xué)生提供一種方便快捷、科學(xué)規(guī)范使用實(shí)驗(yàn)設(shè)備的方法。系統(tǒng)的設(shè)計(jì)重點(diǎn)在于根據(jù)圖像對(duì)實(shí)驗(yàn)設(shè)備進(jìn)行分類和識(shí)別，并考慮如何將該系統(tǒng)搭載在Android平臺(tái)環(huán)境上。該系統(tǒng)能夠有效減少人工誤辨，將圖像檢測(cè)和識(shí)別問題交給機(jī)器完成，使初學(xué)者能夠方便快捷地了解實(shí)驗(yàn)設(shè)備使用方法，提高教學(xué)效率。

參考文獻(xiàn)

[1] 孫志軍， 薛磊， 許陽明， 等. 深度學(xué)習(xí)研究綜述[J]. 計(jì)算機(jī)應(yīng)用研究， 2012， 29（8）： 2806-2810.

[2] 盧宏濤， 張秦川. 深度卷積神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)視覺中的應(yīng)用研究綜述[J]. 數(shù)據(jù)采集與處理， 2016， 31（1）： 1-17.

[3] 羅其朝， 基于Android的圖像識(shí)別客戶端系統(tǒng)研究[D]. ?？冢?海南大學(xué)， 2014.

[4] 史繼先， 蒲東兵， 張雪喆. 基于Android和內(nèi)容的圖像檢索系統(tǒng)設(shè)計(jì)[J]. 信息技術(shù)， 2014， 38（7）： 200-203.

[5] 周莉莉， 姜楓. 圖像分割方法綜述研究[J]. 計(jì)算機(jī)應(yīng)用研究， 2017， 34（7）： 1921-1928.

[6] 王靜. 中國(guó)畫特征提取及分類識(shí)別算法研究[D]. 西安： 西安建筑科技大學(xué)， 2018.

[7] 周品. MATLAB神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)與應(yīng)用[M]. 北京： 清華大學(xué)出版社， 2013.

[8] 劉國(guó)柱， 杜軍威， QST青軟實(shí)訓(xùn). Android 程序設(shè)計(jì)與開發(fā)： Android Studio版[M]. 北京： 清華大學(xué)出版社， 2017.

[9] 歐陽燊. Android Studio開發(fā)實(shí)戰(zhàn)： 從零基礎(chǔ)到App上線[M]. 北京： 清華大學(xué)出版社， 2017.

[10] He K， Zhang X， Ren S. Deep Residual Learning for Image Recognition[C]// IEEE Conference on Computer Vision & Pattern Recognition. IEEE Computer Society， 2016.

[11] Redmon J， Divvala S， Girshick R， et al. You Only Look Once： Unified， Real-Time Object Detection[J]. arXiv：1506.02640， 2015.

[12] 吳秋遠(yuǎn). 基于Android的無線視頻監(jiān)控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D]. 桂林： 廣西師范大學(xué)， 2016.

[13] 張子瑜. 一種基于Android網(wǎng)絡(luò)通信開發(fā)[J]. 電腦編程技巧與維護(hù)， 2017（23）： 6-9.