基于深度学习的图像分类及目标定位
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 课题目的及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 图像分类研究现状 | 第12-15页 |
| 1.2.2 目标定位研究现状 | 第15-16页 |
| 1.3 论文研究工作 | 第16-19页 |
| 1.4 论文结构安排 | 第19-21页 |
| 第二章 基于定位信息辅助图像分类 | 第21-39页 |
| 2.1 深度卷积神经网络 | 第21-27页 |
| 2.1.1 卷积神经网络基本结构 | 第21-24页 |
| 2.1.2 卷积神经网络常用技巧 | 第24-27页 |
| 2.2 图像分类方法概述 | 第27-28页 |
| 2.3 定位信息辅助图像分类 | 第28-35页 |
| 2.3.1 深度残差学习算法 | 第28-30页 |
| 2.3.2 上采样方法 | 第30-33页 |
| 2.3.3 定位辅助图像分类算法 | 第33-35页 |
| 2.4 实验结果与分析 | 第35-37页 |
| 2.4.1 实验所用数据集 | 第36页 |
| 2.4.2 实验结果与分析 | 第36-37页 |
| 2.5 本章小结 | 第37-39页 |
| 第三章 基于上下文信息的目标定位 | 第39-47页 |
| 3.1 目标定位方法概述 | 第39-40页 |
| 3.2 基于上下文信息的目标定位研究 | 第40-43页 |
| 3.2.1 Faster R-CNN | 第40-41页 |
| 3.2.2 引入上下文信息 | 第41-42页 |
| 3.2.3 引入全局信息 | 第42-43页 |
| 3.3 实验结果与分析 | 第43-46页 |
| 3.3.1 实验所用数据集 | 第43-44页 |
| 3.3.2 实验结果与分析 | 第44-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 基于图像分类和定位的应用 | 第47-65页 |
| 4.1 引言 | 第47-49页 |
| 4.2 ImageNet竞赛中的分类任务 | 第49-53页 |
| 4.2.1 数据集预处理 | 第49页 |
| 4.2.2 应用定位信息 | 第49-51页 |
| 4.2.3 改变激活函数 | 第51-52页 |
| 4.2.4 竞赛结果 | 第52-53页 |
| 4.3 ImageNet竞赛中的定位任务 | 第53-57页 |
| 4.3.1 数据集预处理 | 第53-54页 |
| 4.3.2 定位类别确定 | 第54-55页 |
| 4.3.3 基于上下文信息的目标定位 | 第55-56页 |
| 4.3.4 竞赛结果 | 第56-57页 |
| 4.4 基于深度学习的商标检测 | 第57-64页 |
| 4.4.1 商标检测方法概述 | 第57-58页 |
| 4.4.2 数据集扩充 | 第58页 |
| 4.4.3 搭建商标检测框架 | 第58-59页 |
| 4.4.4 网络优化 | 第59-60页 |
| 4.4.5 实验结果与分析 | 第60-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-69页 |
| 5.1 本文总结 | 第65-66页 |
| 5.2 未来工作展望 | 第66-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75-77页 |
| 攻读学位期间发表的学术论文 | 第77页 |
