资源受限下的卷积神经网络模型优化研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 基于人工设计的图像分类 | 第11-12页 |
| 1.2.2 基于卷积神经网络的图像分类 | 第12-14页 |
| 1.3 论文工作概述 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第2章 相关理论与研究方法 | 第16-34页 |
| 2.1 传统图像分类方法 | 第16-23页 |
| 2.1.1 图像特征提取方法 | 第16-19页 |
| 2.1.2 图像分类方法 | 第19-23页 |
| 2.2 人工神经网络 | 第23-28页 |
| 2.2.1 神经元模型 | 第23-24页 |
| 2.2.2 感知机 | 第24-25页 |
| 2.2.3 反向传播算法 | 第25-28页 |
| 2.3 卷积神经网络 | 第28-31页 |
| 2.3.1 卷积神经网络架构 | 第28-29页 |
| 2.3.2 卷积层 | 第29-30页 |
| 2.3.3 池化层 | 第30页 |
| 2.3.4 Softmax分类器 | 第30-31页 |
| 2.4 图像压缩 | 第31-33页 |
| 2.4.1 压缩技术 | 第31-32页 |
| 2.4.2 奇异值分解方法 | 第32-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第3章 基于图片压缩的卷积神经网络模型优化研究 | 第34-46页 |
| 3.1 图片压缩 | 第34-36页 |
| 3.2 基于图片压缩的卷积神经网络模型优化算法 | 第36-45页 |
| 3.2.1 算法思想 | 第36-39页 |
| 3.2.2 算法流程及实现 | 第39页 |
| 3.2.3 初始参数设定 | 第39-45页 |
| 3.3 本章小结 | 第45-46页 |
| 第4章 实验及结果分析 | 第46-56页 |
| 4.1 实验环境 | 第46页 |
| 4.2 实验数据集 | 第46-47页 |
| 4.3 实验结果及分析 | 第47-55页 |
| 4.3.1 实验一：MNIST数据集 | 第47-50页 |
| 4.3.2 实验二：MNIST子数据集 | 第50-51页 |
| 4.3.3 实验三：Cifar-10数据集 | 第51-54页 |
| 4.3.4 实验四：Cifar-10子数据集 | 第54-55页 |
| 4.4 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第62-63页 |
| 致谢 | 第63页 |
