基于卷积神经网络的手势识别算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.1.1 手势识别的应用概况 | 第10页 |
| 1.1.2 神经网络概况 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 手势识别研究现状 | 第11-13页 |
| 1.2.2 卷积神经网络研究现状 | 第13-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 论文框架安排 | 第15-16页 |
| 第2章 卷积神经网络理论基础 | 第16-27页 |
| 2.1 卷积神经网络特点 | 第16-17页 |
| 2.2 卷积神经网络结构 | 第17-24页 |
| 2.2.1 卷积层 | 第18-20页 |
| 2.2.2 池化和降采样层 | 第20-22页 |
| 2.2.3 Softmax分类器 | 第22-24页 |
| 2.3 神经网络训练过程 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 神经网络训练策略选择 | 第27-38页 |
| 3.1 梯度优化方法 | 第27-30页 |
| 3.1.1 随机梯度下降 | 第28-29页 |
| 3.1.2 自适应梯度算法 | 第29页 |
| 3.1.3 梯度加速算法 | 第29-30页 |
| 3.2 网络泛化能力提高算法 | 第30-34页 |
| 3.2.1 数据增强 | 第30-31页 |
| 3.2.2 权值衰减 | 第31-33页 |
| 3.2.3 Dropout | 第33-34页 |
| 3.3 激活函数 | 第34-37页 |
| 3.3.1 Sigmoid系激活函数 | 第35页 |
| 3.3.2 精确激活函数模型 | 第35-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 对比实验和方案选择 | 第38-52页 |
| 4.1 参考数据集介绍 | 第38-40页 |
| 4.1.1 MNIST数据集 | 第38-39页 |
| 4.1.2 CIFAR-10 数据集 | 第39-40页 |
| 4.2 LeNet-5 结构基础 | 第40-41页 |
| 4.3 网络参数设定 | 第41-45页 |
| 4.3.1 批处理样本数 | 第41-43页 |
| 4.3.2 训练终止条件 | 第43-44页 |
| 4.3.3 学习率 | 第44-45页 |
| 4.4 网络结构对比 | 第45-50页 |
| 4.4.1 卷积核个数和尺寸选择 | 第45-47页 |
| 4.4.2 池化尺寸和算法选择 | 第47-49页 |
| 4.4.3 激活函数选择 | 第49-50页 |
| 4.5 实验方案确定 | 第50-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 实验数据集处理和结果分析 | 第52-62页 |
| 5.1 数据来源 | 第52-54页 |
| 5.1.1 国际公认数据集 | 第52-53页 |
| 5.1.2 自采集数据集 | 第53-54页 |
| 5.2 数据增强与预处理 | 第54-57页 |
| 5.2.1 数据增强 | 第54-55页 |
| 5.2.2 数据预处理 | 第55-57页 |
| 5.3 实验及分析 | 第57-61页 |
| 5.3.1 实验数据准备 | 第57页 |
| 5.3.2 训练流程 | 第57-58页 |
| 5.3.3 测试流程 | 第58-59页 |
| 5.3.4 实验结果及分析 | 第59-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 6.1 本文总结 | 第62页 |
| 6.2 未来展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 作者简介及科研成果 | 第68-69页 |
| 致谢 | 第69页 |
