| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 1 前言 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 视觉识别的研究现状 | 第11-13页 |
| 1.3 研究创新与章节安排 | 第13-15页 |
| 1.3.1 研究创新 | 第13页 |
| 1.3.2 章节安排 | 第13-15页 |
| 2 卷积神经网络基本理论 | 第15-25页 |
| 2.1 传统人工神经网络 | 第15-16页 |
| 2.2 卷积神经网络的基本思想 | 第16-18页 |
| 2.2.1 局部连接与权值共享 | 第17-18页 |
| 2.2.2 池化操作 | 第18页 |
| 2.3 卷积神经网络的基本结构 | 第18-20页 |
| 2.3.1 卷积层 | 第19页 |
| 2.3.2 池化层 | 第19页 |
| 2.3.3 多层感知机 | 第19页 |
| 2.3.4 激活函数 | 第19-20页 |
| 2.4 卷积神经网络的反向传播算法 | 第20-22页 |
| 2.5 卷积神经网络的正则化方法 | 第22-24页 |
| 2.5.1 数据扩增 | 第22页 |
| 2.5.2 权值衰减 | 第22-23页 |
| 2.5.3 dropout | 第23-24页 |
| 2.5.4 dropconnect | 第24页 |
| 2.6 本章小结 | 第24-25页 |
| 3 卷积词袋网络（Bo CW-Net）研究 | 第25-43页 |
| 3.1 Bo CW-Net提出缘由 | 第25页 |
| 3.2 Bo W模型 | 第25-26页 |
| 3.3 Bo CW-Net结构设计 | 第26-28页 |
| 3.4 Bo CW-Net训练 | 第28-29页 |
| 3.5 实验结果与分析 | 第29-42页 |
| 3.5.1 实验环境 | 第29页 |
| 3.5.2 数据库与数据扩增技术 | 第29-32页 |
| 3.5.3 Bo CW-Net结构配置 | 第32-33页 |
| 3.5.4 Bo CW表示的不变性分析 | 第33-34页 |
| 3.5.5 主-辅集成分类器的分类性能分析 | 第34-35页 |
| 3.5.6 Bo CW-Net的可视化分析 | 第35-38页 |
| 3.5.7 与其他改进CNN的分类性能比较 | 第38-42页 |
| 3.6 本章小结 | 第42-43页 |
| 4 卷积词袋-融合网络（Bo CW-Fusion Net）研究 | 第43-49页 |
| 4.1 Bo CW-Fusion Net提出缘由 | 第43页 |
| 4.2 Bo CW-Fusion Net结构设计 | 第43-44页 |
| 4.3 Bo CW-Fusion Net训练 | 第44页 |
| 4.4 实验结果与分析 | 第44-48页 |
| 4.4.1 数据库与数据扩增技术 | 第44-45页 |
| 4.4.2 Bo CW-Fusion Net结构配置 | 第45页 |
| 4.4.3 Bo CW-Fusion Net的特征融合性能分析 | 第45-46页 |
| 4.4.4 与其他改进CNN分类器结果比较 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 5 改进CNN的实际应用以及kaggle竞赛结果 | 第49-59页 |
| 5.1 车型行人识别应用 | 第49-52页 |
| 5.1.1 车型行人数据库介绍 | 第49页 |
| 5.1.2 数据预处理 | 第49-51页 |
| 5.1.3 基于Bo CW-Net和Bo CW-Fusion Net的车型行人识别 | 第51-52页 |
| 5.2 男女性别识别应用 | 第52-55页 |
| 5.2.1 男女性别数据库介绍 | 第52-53页 |
| 5.2.2 数据预处理 | 第53页 |
| 5.2.3 基于Bo CW-Net和Bo CW-Fusion Net的男女性别识别 | 第53-55页 |
| 5.3 Bo CW-Net的Kaggle竞赛结果 | 第55-58页 |
| 5.3.1 CIFAR-10 物体识别竞赛 | 第55-56页 |
| 5.3.2 FER-2013 人脸表情识别竞赛 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66页 |
| 附录A 攻读硕士学位期间发表论文 | 第66页 |
| 附录B 获奖情况 | 第66页 |
