基于深度多级残差网络的图像分类研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 背景和意义 | 第9-10页 |
| 1.2 图像分类研究现状 | 第10-13页 |
| 1.2.1 研究现状 | 第10-12页 |
| 1.2.2 当前研究的难点 | 第12-13页 |
| 1.3 论文的主要研究内容 | 第13页 |
| 1.4 论文主要工作和章节安排 | 第13-15页 |
| 第2章 深度多级残差网络 | 第15-28页 |
| 2.1 引言 | 第15页 |
| 2.2 残差网络 | 第15-16页 |
| 2.3 多级残差网络 | 第16-19页 |
| 2.4 Pre-RoR和RoR-WRN | 第19-20页 |
| 2.5 随机深度算法 | 第20-21页 |
| 2.6 图像分类实验 | 第21-27页 |
| 2.6.1 图像数据集与实验参数设定 | 第21-23页 |
| 2.6.2 RoR分类实验 | 第23-24页 |
| 2.6.3 Pre-RoR和RoR-WRN实验 | 第24-26页 |
| 2.6.4 深度和宽度分析 | 第26-27页 |
| 2.7 本章小结 | 第27-28页 |
| 第3章 基于激活函数的深度多级残差网络优化 | 第28-38页 |
| 3.1 引言 | 第28页 |
| 3.2 卷积神经网络中的激活函数 | 第28-31页 |
| 3.3 基于ELU和PELU的多级残差网络 | 第31-32页 |
| 3.4 基于激活函数的多级残差网络优化 | 第32-33页 |
| 3.5 图像分类实验 | 第33-37页 |
| 3.5.1 实验参数设定 | 第33-34页 |
| 3.5.2 110 层网络实验 | 第34-35页 |
| 3.5.3 网络深度和宽度实验 | 第35-36页 |
| 3.5.4 最优模型分类结果对比 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 第4章 基于金字塔的深度多级残差网络优化 | 第38-50页 |
| 4.1 引言 | 第38页 |
| 4.2 金字塔RoR网络 | 第38-40页 |
| 4.3 金字塔RoR优化 | 第40-43页 |
| 4.3.1 残差块结构 | 第40-42页 |
| 4.3.2 随机深度实验 | 第42-43页 |
| 4.4 图像分类实验 | 第43-49页 |
| 4.4.1 实验参数设定 | 第43页 |
| 4.4.2 金字塔RoR实验 | 第43-44页 |
| 4.4.3 CIFAR-10/100分类实验 | 第44-45页 |
| 4.4.4 SVHN分类实验 | 第45-46页 |
| 4.4.5 最优模型分类结果对比 | 第46-48页 |
| 4.4.6 人脸图像年龄组分类 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 结论与展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第54-55页 |
| 致谢 | 第55页 |
