| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第14-21页 |
| 1.1 课题背景 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-20页 |
| 1.2.1 图像分类算法研究现状 | 第15-16页 |
| 1.2.2 深度学习研究现状 | 第16-20页 |
| 1.3 本文的组织和架构 | 第20-21页 |
| 第2章 图像分类算法 | 第21-40页 |
| 2.1 概述 | 第21页 |
| 2.2 图像分类常用特征 | 第21-25页 |
| 2.2.1 HOG算子 | 第21-22页 |
| 2.2.2 SIFT算子 | 第22-24页 |
| 2.2.3 Haar-like算子 | 第24-25页 |
| 2.3 词袋模型 | 第25-28页 |
| 2.4 深度卷积神经网络 | 第28-36页 |
| 2.5 TensorFlow介绍 | 第36-39页 |
| 2.6 本章小结 | 第39-40页 |
| 第3章 基于卷积神经网络的飞行器图像识别算法 | 第40-51页 |
| 3.1 算法概述 | 第40-41页 |
| 3.2 图像分类网络 | 第41-43页 |
| 3.3 候选区域提取 | 第43-48页 |
| 3.3.1 选择性搜索(selective search) | 第43-45页 |
| 3.3.2 区域候选网络(Regional Proposal Network, RPN) | 第45-48页 |
| 3.4 算法优化与改进 | 第48-50页 |
| 3.4.1 数据增强 | 第48页 |
| 3.4.2 批次规则化(Batch Normalization, BN) | 第48-49页 |
| 3.4.3 基于层次聚类的候选区域预筛选 | 第49-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第4章 实验设计与结果分析 | 第51-61页 |
| 4.1 实验概述 | 第51-52页 |
| 4.1.1 运行环境 | 第51页 |
| 4.1.2 评判指标 | 第51-52页 |
| 4.2 图像数据采集和预处理 | 第52-53页 |
| 4.3 代码结构 | 第53-54页 |
| 4.4 实验结果与分析 | 第54-60页 |
| 4.4.1 分类网络实验结果 | 第54-57页 |
| 4.4.2 候选区域提取实验结果 | 第57-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 5.1 本文工作总结 | 第61-62页 |
| 5.2 未来研究工作 | 第62-63页 |
| 参考文献 | 第63-68页 |
