| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究现状 | 第12-17页 |
| 1.3 本文的主要工作 | 第17-19页 |
| 第二章 背景知识介绍 | 第19-35页 |
| 2.1 卷积神经网络及其进展 | 第19-27页 |
| 2.1.1 卷积层 | 第19-21页 |
| 2.1.2 池化层 | 第21页 |
| 2.1.3 全连接层 | 第21页 |
| 2.1.4 卷积神经网络的发展 | 第21-27页 |
| 2.2 本文使用的卷积神经网络 | 第27-33页 |
| 2.2.1 稠密网络 | 第27-29页 |
| 2.2.2 梯形残差网络 | 第29-31页 |
| 2.2.3 残差网络和稠密网络结构分析 | 第31-32页 |
| 2.2.4 压缩-激发块 | 第32-33页 |
| 2.3 本章小结 | 第33-35页 |
| 第三章 深度可分离卷积网络 | 第35-47页 |
| 3.1 深度可分离卷积 | 第35-37页 |
| 3.2 深度可分类稠密网络 | 第37-38页 |
| 3.3 深度可分离卷积残差网络 | 第38-39页 |
| 3.4 深度可分离卷积梯形网络 | 第39-40页 |
| 3.5 网络结构的细节 | 第40-45页 |
| 3.5.1 Batch Normalization和激活函数位置 | 第40-44页 |
| 3.5.2 参数初始化策略 | 第44-45页 |
| 3.5.3 防止过拟合策略 | 第45页 |
| 3.6 本章小结 | 第45-47页 |
| 第四章 实验结果及分析 | 第47-59页 |
| 4.1 数据集 | 第47页 |
| 4.2 实验环境和实验配置 | 第47-49页 |
| 4.3 实验结果及分析 | 第49-56页 |
| 4.3.1 评价标准 | 第49页 |
| 4.3.2 实验结果 | 第49-50页 |
| 4.3.3 ResNet与SResNet实验对比 | 第50-52页 |
| 4.3.4 DenseNet与SDenseNet实验对比 | 第52-54页 |
| 4.3.5 PyramidNet与SPyramidNet实验对比 | 第54-56页 |
| 4.4 参数利用率 | 第56-57页 |
| 4.5 本章小结 | 第57-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 工作总结 | 第59页 |
| 5.2 未来工作展望 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 攻读硕士学位期间发表的论文及参与的科研项目 | 第67-69页 |
| 致谢 | 第69页 |
