首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--软件工程论文

室内场景智能识别系统的设计与实现

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

论文共72页,点击 下载论文
上一篇:初中化学教学微信公众平台的构建与应用研究
下一篇:云计算环境中基于加密域图像水印的Buyer-Seller模型研究