| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 图像场景分类的研究现状 | 第13-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 1.4 本文的组织结构 | 第16-17页 |
| 第2章 相关工作 | 第17-25页 |
| 2.1 卷积神经网络 | 第17-20页 |
| 2.1.1 卷积神经网络结构 | 第18-19页 |
| 2.1.2 卷积神经网络的发展历程 | 第19页 |
| 2.1.3 卷积神经网络的性能分析 | 第19-20页 |
| 2.2 贝叶斯滤波 | 第20-23页 |
| 2.2.1 贝叶斯滤波原理 | 第20-22页 |
| 2.2.2 贝叶斯滤波算法流程 | 第22-23页 |
| 2.3 Caffe深度学习框架 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 系统需求分析和设计 | 第25-41页 |
| 3.1 系统需求分析 | 第25-29页 |
| 3.1.1 系统功能需求分析 | 第25-29页 |
| 3.1.2 系统非功能需求分析 | 第29页 |
| 3.2 系统功能总体设计 | 第29-34页 |
| 3.2.1 系统功能结构设计 | 第29-30页 |
| 3.2.2 系统模块详细设计 | 第30-33页 |
| 3.2.3 系统整体流程设计 | 第33-34页 |
| 3.3 系统结构设计 | 第34-40页 |
| 3.3.1 系统硬件结构 | 第34-39页 |
| 3.3.2 系统软件结构 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 系统关键技术实现 | 第41-55页 |
| 4.1 图像数据获取 | 第41-42页 |
| 4.1.1 训练数据获取 | 第41-42页 |
| 4.1.2 测试数据获取 | 第42页 |
| 4.2 图像的预处理 | 第42-44页 |
| 4.2.1 双线性插值归一化处理 | 第43页 |
| 4.2.2 去均值处理 | 第43-44页 |
| 4.3 室内场景识别模型构建 | 第44-53页 |
| 4.3.1 Place-AlexNet卷积层结构 | 第44-47页 |
| 4.3.2 激活函数的选取 | 第47-49页 |
| 4.3.3 Place-AlexNet全连接层的结构 | 第49-50页 |
| 4.3.4 贝叶斯滤波时间相关性的实现 | 第50-51页 |
| 4.3.5 随机森林分类器 | 第51-52页 |
| 4.3.6 反向传播 | 第52-53页 |
| 4.4 对比实验 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 系统测试 | 第55-64页 |
| 5.1 测试方案 | 第55-56页 |
| 5.1.1 测试的原则 | 第55-56页 |
| 5.1.2 测试的环境 | 第56页 |
| 5.2 系统功能测试与验证 | 第56-62页 |
| 5.2.1 图像获取功能测试与验证 | 第58-59页 |
| 5.2.2 场景识别功能测试与验证 | 第59-61页 |
| 5.2.3 可视化显示功能测试与验证 | 第61-62页 |
| 5.3 系统性能测试 | 第62-63页 |
| 5.3.1 系统实时性测试 | 第62-63页 |
| 5.3.2 系统稳定性测试 | 第63页 |
| 5.4 本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读学位期间公开发表的论文以及参加科研情况 | 第71-72页 |