基于LSTM网络的视觉识别

1.问题描述：

       以人脸图像的视觉识别为研究对象，研究了基于LSTM长短期记忆单元网络的视觉识别算法，通过使用卷积神经网络学习人脸图像的特征信息，然后使用LSTM网络建立序列知识，并生成描述性的句子，作为特征序列，建立一种基于句子描述的LSTM网络的视觉识别算法，最后通过MATLAB对该算法进行了仿真验证，对于不同姿态，不同干扰因素影响下的目标图像，基于LSTM的视觉识别正确率可以达到76%以上。

    长短时记忆模型LSTM是由Hochreiter[24]等人在1997年首次提出的，其主要原理是通过一种特殊的神经元结构用来长时间存储信息。LSTM网络模型的基本结构如下图所示：

图 LSTM网络的基本结构

    从图2.7的结构图可知，LSMT网络结构包括输入层，记忆模块以及输出层三个部分，其中记忆模块由输入门（Input Gate）、遗忘门（Forget Gate）以及输出门（Output Gate）。LSTM模型通过这三