基于卷积神经网络的蔬菜识别及应用研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 研究的背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-15页 |
| 1.3 蔬菜识别的难点 | 第15-17页 |
| 1.3.1 蔬菜的相似性与多样性 | 第15-17页 |
| 1.3.2 蔬菜数据的局限性 | 第17页 |
| 1.3.3 蔬菜适应场景复杂 | 第17页 |
| 1.3.4 计算速率问题 | 第17页 |
| 1.4 本文研究的主要内容和目的 | 第17-19页 |
| 1.5 论文章节安排 | 第19-20页 |
| 第二章 卷积神经网络及网络压缩概述 | 第20-33页 |
| 2.1 引言 | 第20页 |
| 2.2 卷积神经网络的概念 | 第20-29页 |
| 2.2.1 数据输入层 | 第21-22页 |
| 2.2.2 卷积层 | 第22-23页 |
| 2.2.3 激活函数 | 第23-26页 |
| 2.2.4 下采样层 | 第26-27页 |
| 2.2.5 全连接层 | 第27-29页 |
| 2.3 网络模型压缩概述 | 第29-32页 |
| 2.3.1 从权值的角度做压缩 | 第29-31页 |
| 2.3.2 从网络框架的角度压缩 | 第31-32页 |
| 2.4 本章小结 | 第32-33页 |
| 第三章 面向蔬菜识别的卷积神经网络模型设计 | 第33-41页 |
| 3.1 引言 | 第33页 |
| 3.2 算法流程 | 第33-34页 |
| 3.3 蔬菜数据库构建 | 第34-36页 |
| 3.4 卷积神经网络模型设计 | 第36-37页 |
| 3.4.1 神经网络结构设计思想 | 第36-37页 |
| 3.4.2 神经网络训练总过程 | 第37页 |
| 3.5 训练和测试实现细节 | 第37-41页 |
| 3.5.1 训练中的问题及解决方法 | 第37-39页 |
| 3.5.2 测试中的问题及解决方法 | 第39-41页 |
| 第四章 面向嵌入式应用的网络模型压缩研究 | 第41-48页 |
| 4.1 引言 | 第41页 |
| 4.2 网络压缩 | 第41-45页 |
| 4.2.1 网络结构改进思路 | 第41-45页 |
| 4.3 基于嵌入式的蔬菜识别系统的实现 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 总结和展望 | 第48-51页 |
| 5.1 总结 | 第48页 |
| 5.2 展望 | 第48-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-55页 |
| 攻读学术期间的研究成果 | 第55页 |
