基于卷积神经网络的艺术品图像检索系统设计与实现
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景 | 第12-14页 |
| 1.2 研究现状 | 第14-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第二章 卷积神经网络基本原理 | 第18-27页 |
| 2.1 深度学习 | 第18页 |
| 2.2 卷积神经网络理论 | 第18-23页 |
| 2.2.1 机器识图 | 第19-20页 |
| 2.2.2 卷积神经网络(CNN)的特点 | 第20页 |
| 2.2.3 卷积运算与特征提取 | 第20-22页 |
| 2.2.4 池化 | 第22-23页 |
| 2.2.5 全连接 | 第23页 |
| 2.3 卷积神经网络训练 | 第23-26页 |
| 2.3.1 前向传播 | 第23页 |
| 2.3.2 反向传播 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 卷积神经网络设计 | 第27-48页 |
| 3.1 实验环境与工具 | 第27页 |
| 3.2 数据来源 | 第27-28页 |
| 3.3 模型选取 | 第28-31页 |
| 3.4 实验与分析 | 第31-42页 |
| 3.5 实验结论 | 第42-46页 |
| 3.6 本章小结 | 第46-48页 |
| 第四章 系统设计与实现 | 第48-62页 |
| 4.1 系统设计 | 第50-53页 |
| 4.1.1 特征提取系统设计 | 第50-52页 |
| 4.1.2 图像检索系统设计 | 第52-53页 |
| 4.2 系统实现 | 第53-57页 |
| 4.2.1 特征提取实现 | 第53-55页 |
| 4.2.2 图像检索实现 | 第55-57页 |
| 4.3 系统测试 | 第57-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-63页 |
| 5.1 本文总结 | 第62页 |
| 5.2 未来展望 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65页 |
