首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于卷积神经网络的多标签场景分类

摘要第8-10页
ABSTRACT第10-11页
第1章 绪论第12-17页
    1.1 研究背景和意义第12-13页
    1.2 国内外研究现状第13-15页
    1.3 研究的主要内容第15页
    1.4 论文的组织结构第15-17页
第2章 多标签分类和场景分类第17-22页
    2.1 多标签分类的定义第17页
    2.2 常用的多标签分类算法第17-18页
    2.3 多标签分类的评价标准第18-19页
    2.4 场景分类定义第19-20页
    2.5 场景分类的难点第20-21页
    2.6 常用的场景分类算法第21-22页
第3章 人工神经网络和卷积神经网络第22-36页
    3.1 人工神经网络模型第22-30页
        3.1.1 神经元模型第22-26页
        3.1.2 MLP神经网络模型第26-28页
        3.1.3 自动编码器神经网络模型第28-29页
        3.1.4 神经网络BP算法简介第29-30页
    3.2 卷积神经网络第30-36页
        3.2.1 局部连接第31页
        3.2.2 权值共享第31-32页
        3.2.3 子采样第32页
        3.2.4 BP在卷积神经网络中的应用第32-34页
        3.2.5 卷积神经网络举例第34-36页
第4章 卷积神经网络在场景分类中的应用第36-50页
    4.1 基于低层特征的场景分类概况第36-37页
    4.2 基于自动编码器的图像特征学习第37-42页
        4.2.1 训练数据集第37-38页
        4.2.2 图像分割第38页
        4.2.3 预处理第38-40页
        4.2.4 自动编码器的网络结构第40页
        4.2.5 编码器损失函数的定义第40-42页
        4.2.6 自动编码器的训练第42页
    4.3 构造卷积神经网络分类器第42-45页
        4.3.1 逻辑回归第42-43页
        4.3.2 网络结构第43-44页
        4.3.3 训练过程第44-45页
    4.4 试验结果第45-50页
        4.4.1 自编码器的试验结果第45-47页
        4.4.2 卷积神经网络的试验结果第47-48页
        4.4.3 其他试验结果第48-50页
第5章 总结与展望第50-52页
参考文献第52-56页
致谢第56-57页
攻读学位期间所发表的学术论文目录第57-58页
附件第58页

论文共58页,点击 下载论文
上一篇:贵州省猪源大肠杆菌四环素耐药基因检测及转移的研究
下一篇:超深层稠油油藏压裂井CO2吞吐渗流机理研究