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细粒度车型识别

摘要第5-6页
abstract第6页
第1章 绪论第9-16页
    1.1 研究的背景和意义第9-10页
    1.2 国内外研究现状及分析第10-14页
        1.2.1 传统车型识别算法第10页
        1.2.2 基于细粒度图像分类的算法第10-13页
        1.2.3 细粒度图像分类的难点分析第13-14页
    1.3 论文主要工作第14页
    1.4 论文的组织及内容安排第14-16页
第2章 基于视觉词袋模型的车型识别第16-33页
    2.1 视觉词袋模型概述第16-18页
    2.2 视觉特征的提取第18-22页
    2.3 视觉特征字典的建立第22-23页
    2.4 图像到特征向量的映射第23-24页
    2.5 分类器的训练和测试第24-27页
    2.6 基于视觉词袋模型的车型识别算法研究第27-32页
        2.6.1 数据集第27-29页
        2.6.2 算法实现第29页
        2.6.3 实验结果及分析第29-32页
    2.7 本章小结第32-33页
第3章 卷积神经网络第33-47页
    3.1 传统人工神经网络第33-40页
        3.1.1 前馈运算第36-37页
        3.1.2 反向传播第37-40页
    3.2 卷积神经网络第40-46页
    3.3 本章小结第46-47页
第4章 基于卷积神经网络的细粒度车型识别第47-60页
    4.1 概述第47-48页
    4.2 实验环境第48-50页
        4.2.1 数据集第48-50页
        4.2.2 开发环境第50页
    4.3 基于LeNet-5的改进车型识别模型研究第50-52页
    4.4 基于Convnet-5的改进车型识别模型研究第52-55页
    4.5 采用空间金字塔池化的改进算法研究第55-59页
    4.6 本章小结第59-60页
结论第60-62页
参考文献第62-67页
攻读硕士学位期间发表的论文和取得的科研成果第67-68页
致谢第68页

论文共68页,点击 下载论文
上一篇:侵蚀条件下T形混凝土梁受弯性能研究
下一篇:水下传感器网络被动定位算法锚节点遴选策略的研究