基于卷积神经网络的对象颜色识别
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 课题背景 | 第11-13页 |
| 1.2 本文工作 | 第13-14页 |
| 1.3 论文结构 | 第14页 |
| 1.4 本章小结 | 第14-15页 |
| 第2章 相关工作 | 第15-21页 |
| 2.1 主色描述子方法 | 第15-17页 |
| 2.2 颜色量化方法 | 第17-19页 |
| 2.3 本章小结 | 第19-21页 |
| 第3章 深度学习与卷积神经网络 | 第21-31页 |
| 3.1 感知机 | 第21-22页 |
| 3.2 反向传播算法 | 第22-24页 |
| 3.3 浅层模型与SVM | 第24-25页 |
| 3.4 深层模型与自编码器 | 第25-26页 |
| 3.5 卷积神经网络 | 第26-30页 |
| 3.5.1 CNN结构详述 | 第27-29页 |
| 3.5.2 CNN的发展 | 第29-30页 |
| 3.6 本章小结 | 第30-31页 |
| 第4章 用于对象颜色识别的卷积架构 | 第31-41页 |
| 4.1 Inception模块 | 第31-34页 |
| 4.2 架构示意 | 第34-37页 |
| 4.3 算法分析 | 第37-40页 |
| 4.3.1 Dropout | 第37-38页 |
| 4.3.2 softmax回归 | 第38-39页 |
| 4.3.3 反向传播过程分析 | 第39-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第5章 实验与分析 | 第41-47页 |
| 5.1 数据获取和预处理 | 第41-42页 |
| 5.2 CNN网络架构比较 | 第42-43页 |
| 5.3 固定类别上的对象颜色识别对比 | 第43-45页 |
| 5.4 不定类别物体上的测试 | 第45页 |
| 5.5 本章小结 | 第45-47页 |
| 第6章 总结与展望 | 第47-49页 |
| 6.1 全文总结 | 第47页 |
| 6.2 未来展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
