基于深度学习的花卉图像种类识别
| 摘要 | 第6-7页 |
| 第一章 引言 | 第7-12页 |
| 1.1 研究背景与研究意义 | 第7-8页 |
| 1.2 存在的难点分析 | 第8-10页 |
| 1.3 本文的主要工作内容 | 第10页 |
| 1.4 本文的组织机构 | 第10-12页 |
| 第二章 花卉图像分类的基础 | 第12-24页 |
| 2.1 国内外研究现状 | 第12-17页 |
| 2.1.1 传统花卉图像分类方法 | 第12-15页 |
| 2.1.2 深度卷积神经网络的发展状况 | 第15-17页 |
| 2.2 深度学习框架—Caffe | 第17-18页 |
| 2.3 深度学习之图像分类模型AlexNet | 第18-19页 |
| 2.4 深度学习之图像分类模型VggNet | 第19-20页 |
| 2.5 深度学习的硬件实现 | 第20-22页 |
| 2.6 数据库 | 第22-24页 |
| 2.6.1 花卉数据库 | 第22-23页 |
| 2.6.2 ImageNet数据集 | 第23-24页 |
| 第三章 卷积神经网络中的主要运算 | 第24-27页 |
| 3.1 卷积运算 | 第24页 |
| 3.2 max pooling运算 | 第24-26页 |
| 3.3 非线性激活Relu运算 | 第26-27页 |
| 第四章 实验结果及讨论 | 第27-32页 |
| 4.1 基于AlexNet的花卉识别 | 第27-30页 |
| 4.1.1 数据预处理 | 第27页 |
| 4.1.2 模型介绍及参数设置 | 第27页 |
| 4.1.3 模型训练 | 第27-28页 |
| 4.1.4 实验结果 | 第28-29页 |
| 4.1.5 AlexNet网络卷积层可视化 | 第29-30页 |
| 4.2 基于VggNet的花卉识别 | 第30-32页 |
| 4.2.1 模型介绍及参数设置 | 第30-31页 |
| 4.2.2 模型训练 | 第31页 |
| 4.2.3 实验结果 | 第31-32页 |
| 第五章 总结与展望 | 第32-34页 |
| 5.1 本文的回顾与总结 | 第32-33页 |
| 5.2 下一步工作展望 | 第33-34页 |
| 参考文献 | 第34-38页 |
| Abstract | 第38页 |
| 附录 | 第40-41页 |
| 致谢 | 第41页 |
