| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题来源 | 第11页 |
| 1.2 课题研究背景、目的和意义 | 第11-13页 |
| 1.3 相关领域国内外研究现状分析 | 第13-19页 |
| 1.3.1 图像识别研究现状 | 第13-15页 |
| 1.3.2 深度学习和人工智能研究现状 | 第15-17页 |
| 1.3.3 深度卷积神经网络研究现状 | 第17-18页 |
| 1.3.4 超市服务机器人研究现状 | 第18-19页 |
| 1.4 本文主要研究内容和结构安排 | 第19-21页 |
| 第2章 基于深度卷积神经网络的迁移学习方法研究 | 第21-41页 |
| 2.1 浅层学习和深度学习 | 第21-24页 |
| 2.1.1 感知器 | 第21-22页 |
| 2.1.2 多层神经网络 | 第22-23页 |
| 2.1.3 浅层学习和深度学习 | 第23-24页 |
| 2.2 深度卷积神经网络 | 第24-32页 |
| 2.2.1 局部连接和权值共享 | 第24-25页 |
| 2.2.2 深度卷积神网络结构 | 第25-29页 |
| 2.2.3 深度卷积神经网络AlexNet模型分析 | 第29-32页 |
| 2.3 基于深度卷积神经网络的迁移学习方法研究 | 第32-33页 |
| 2.3.1 迁移学习 | 第32页 |
| 2.3.2 基于深度卷积神经网络的迁移学习方法 | 第32-33页 |
| 2.4 实验结果与分析 | 第33-40页 |
| 2.4.1 实验环境和数据准备 | 第33-35页 |
| 2.4.2 浅层学习和深度学习 | 第35-36页 |
| 2.4.3 训练样本数量对识别效果的影响 | 第36-38页 |
| 2.4.4 迁移学习 | 第38-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第3章 基于多尺度卷积核CNN的超市商品图像识别研究 | 第41-59页 |
| 3.1 图像卷积本质 | 第41-42页 |
| 3.2 多尺度卷积核模型 | 第42-47页 |
| 3.2.1 卷积核大小对特征提取能力的影响 | 第42-43页 |
| 3.2.2 多尺度卷积核模型 | 第43-46页 |
| 3.2.3 多尺度卷积核的性能优势分析 | 第46-47页 |
| 3.3 基于多尺度卷积核CNN的超市商品图像识别研究 | 第47-51页 |
| 3.3.1 基于多尺度卷积核CNN的网络模型 | 第47-48页 |
| 3.3.2 MCCNN网络配置 | 第48-50页 |
| 3.3.3 网络的初始化和训练方法 | 第50-51页 |
| 3.4 实验结果与分析 | 第51-58页 |
| 3.4.1 实验环境和数据准备 | 第51-52页 |
| 3.4.2 Dropout概率值对MCCNN性能的影响 | 第52-53页 |
| 3.4.3 MCCNN网络性能分析 | 第53-56页 |
| 3.4.4 遮挡性测试 | 第56-58页 |
| 3.5 本章小结 | 第58-59页 |
| 第4章 基于RGB-D多维信息深度学习的超市商品识别研究 | 第59-72页 |
| 4.1 RGB-D图像采集和预处理 | 第59-60页 |
| 4.2 CNN中的信息融合分析 | 第60-62页 |
| 4.2.1 CNN中信息融合方式 | 第60-61页 |
| 4.2.3 融合过程中存在的问题 | 第61-62页 |
| 4.3 基于GAP+FC的网络结构 | 第62-64页 |
| 4.3.1 GAP方法和优势 | 第62-63页 |
| 4.3.2 基于GAP+FC的网络结构 | 第63-64页 |
| 4.4 基于RGB-D多维信息深度学习的超市商品识别研究 | 第64-66页 |
| 4.4.1 基于RGB-D多维信息深度学习的网络模型 | 第64-65页 |
| 4.4.2 网络配置信息和特性分析 | 第65-66页 |
| 4.5 实验结果与分析 | 第66-71页 |
| 4.5.1 实验环境和数据准备 | 第66页 |
| 4.5.2 全连接层神经元数量的选择 | 第66-68页 |
| 4.5.3 GAP+FC网络结构性能分析 | 第68-69页 |
| 4.5.4 信息融合方式 | 第69-70页 |
| 4.5.5 图像配准对识别效果的影响 | 第70-71页 |
| 4.6 本章小结 | 第71-72页 |
| 第5章 超市服务机器人商品自动识别系统的设计与实现 | 第72-81页 |
| 5.1 系统整体设计 | 第72-73页 |
| 5.2 超市商品数据集RGBD-Set建立 | 第73-76页 |
| 5.3 网络模型训练 | 第76-77页 |
| 5.4 超市商品自动识别系统实现和测试 | 第77-80页 |
| 5.5 本章小结 | 第80-81页 |
| 第6章 总结与展望 | 第81-83页 |
| 6.1 全文工作总结 | 第81-82页 |
| 6.2 未来工作展望 | 第82-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 攻读硕士学位期间的研究成果 | 第88页 |
