复杂环境下的特定物体识别算法研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-16页 |
| 1.1 课题背景及研究意义 | 第8-9页 |
| 1.2 国内外发展现状 | 第9-14页 |
| 1.2.1 计算机视觉 | 第9-10页 |
| 1.2.2 深度学习 | 第10-13页 |
| 1.2.3 操作界面开发 | 第13-14页 |
| 1.3 本文的主要工作 | 第14-16页 |
| 第2章 物体识别基础算法研究 | 第16-31页 |
| 2.1 物体识别算法概述 | 第16-17页 |
| 2.2 卷积神经网络 | 第17-27页 |
| 2.2.1 卷积运算 | 第18-19页 |
| 2.2.2 卷积神经网络结构 | 第19-24页 |
| 2.2.3 卷积网络训练方法 | 第24-27页 |
| 2.3 提高测试集准确率的方法 | 第27-30页 |
| 2.3.1 数据增强变换 | 第28-29页 |
| 2.3.2 Dropout技术 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 卷积神经网络模型的搭建与实现 | 第31-50页 |
| 3.1 现有的卷积神经网络对比 | 第31-32页 |
| 3.2 卷积神经网络的模型结构 | 第32-39页 |
| 3.2.1 AlexNet网络模型的分析与实现 | 第32-36页 |
| 3.2.2 VGGNet网络模型的分析与实现 | 第36-39页 |
| 3.3 实验及分析 | 第39-49页 |
| 3.3.1 实验数据 | 第39-43页 |
| 3.3.2 实验环境及配置 | 第43页 |
| 3.3.3 实验结果 | 第43-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第4章 人民币识别系统的设计与实现 | 第50-60页 |
| 4.1 系统需求概述 | 第50页 |
| 4.2 系统总体设计 | 第50-55页 |
| 4.2.1 系统整体结构设计 | 第51-53页 |
| 4.2.2 流程设计 | 第53-54页 |
| 4.2.3 界面设计以及搭建 | 第54-55页 |
| 4.3 系统识别结果分析 | 第55-59页 |
| 4.4 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第66-68页 |
| 致谢 | 第68页 |
