| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究的目的与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-14页 |
| 1.3 论文研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 第二章 相关模型分析 | 第17-24页 |
| 2.1 卷积神经网络概述 | 第17-19页 |
| 2.2 网络中的网络 | 第19-20页 |
| 2.2.1 多层感知机卷积层 | 第19-20页 |
| 2.2.2 全局均值池化层 | 第20页 |
| 2.3 残差网络 | 第20-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 苦荞种子图像数据集介绍与预处理 | 第24-31页 |
| 3.1 苦荞种子图像数据集介绍 | 第24-25页 |
| 3.2 苦荞种子图像的多角度归一化 | 第25-28页 |
| 3.3 基于目标检测的苦荞种子图像裁剪 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 基于机器视觉苦荞种子的鉴别模型 | 第31-41页 |
| 4.1 卷积残差网络模型结构 | 第32-38页 |
| 4.1.1 卷积残差网络中1×1卷积的作用 | 第34-37页 |
| 4.1.2 用连续较小尺寸的卷积核替代一个较大的卷积核 | 第37-38页 |
| 4.2 卷积残差网络的损失函数 | 第38-40页 |
| 4.2.1 三元组损失函数 | 第38-39页 |
| 4.2.2 三元组损失的目标函数与求导 | 第39-40页 |
| 4.3 本章小结 | 第40-41页 |
| 第五章 实验与分析 | 第41-55页 |
| 5.1 卷积残差网络用于苦荞种子分类试验 | 第41-48页 |
| 5.1.1 试验数据 | 第41页 |
| 5.1.2 实验结果与分析 | 第41-48页 |
| 5.2 基于正视图苦荞数据集的不同分类器对比 | 第48-50页 |
| 5.3 基于数据增强的苦荞种子分类 | 第50-54页 |
| 5.3.1 数据增强 | 第50-52页 |
| 5.3.2 实验结果与分析 | 第52-54页 |
| 5.4 本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 展望 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60页 |