基于CNN的书法风格识别
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 选题背景和意义 | 第10页 |
| 1.2 目前相关研究现状 | 第10-11页 |
| 1.3 本文研究内容与创新 | 第11页 |
| 1.4 本文结构安排 | 第11-14页 |
| 第二章 书法风格识别方法 | 第14-24页 |
| 2.1 图像特征提取方法 | 第14-15页 |
| 2.2 经典的分类算法 | 第15-24页 |
| 2.2.1 K-means方法 | 第16-17页 |
| 2.2.2 SVM方法 | 第17-18页 |
| 2.2.3 FCM方法 | 第18-19页 |
| 2.2.4 BP神经网络算法 | 第19-21页 |
| 2.2.5 卷积神经网络算法 | 第21-24页 |
| 第三章 基于卷积神经网络的书法特征提取 | 第24-36页 |
| 3.1 网络结构 | 第24-25页 |
| 3.2 卷积层操作 | 第25-27页 |
| 3.3 下采样层操作 | 第27-34页 |
| 3.3.1 Max下采样 | 第28-29页 |
| 3.3.2 Avg下采样 | 第29-30页 |
| 3.3.3 LPN下采样 | 第30-34页 |
| 3.4 激活函数 | 第34-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于卷积神经网络的书法风格识别 | 第36-48页 |
| 4.1 网络结构 | 第36页 |
| 4.2 全连接层 | 第36-37页 |
| 4.3 Softmax分类器 | 第37-38页 |
| 4.4 实验数据集与实验环境 | 第38-39页 |
| 4.5 不同下采样方法的网络识别 | 第39-45页 |
| 4.5.1 确定下采样核规格 | 第39-40页 |
| 4.5.2 不同下采样法对网络的影响 | 第40-42页 |
| 4.5.3 LPN方法与传统方法对比 | 第42-45页 |
| 4.6 可视化卷积与下采样过程 | 第45-47页 |
| 4.7 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48页 |
| 5.2 未来展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-56页 |
| 攻读学位期间发表的学术论文目录 | 第56页 |
