| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-15页 |
| 第二章 数据集及数据预处理 | 第15-23页 |
| 2.1 飞机数据集介绍 | 第15-17页 |
| 2.2 图像预处理 | 第17-22页 |
| 2.2.1 图像扩充 | 第17-21页 |
| 2.2.2 图像增强 | 第21页 |
| 2.2.3 数据集归一化 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 基于多标签卷积神经网络的飞机分类 | 第23-51页 |
| 3.1 卷积神经网络介绍 | 第23-34页 |
| 3.1.1 人工神经元 | 第23-24页 |
| 3.1.2 卷积神经网络基本结构 | 第24-25页 |
| 3.1.3 卷积 | 第25-27页 |
| 3.1.4 池化 | 第27-28页 |
| 3.1.5 激活函数 | 第28-30页 |
| 3.1.6 损失函数 | 第30页 |
| 3.1.7 网络前馈传导 | 第30-32页 |
| 3.1.8 误差反向传播 | 第32-34页 |
| 3.1.9 卷积神经网络的特点 | 第34页 |
| 3.2 多标签卷积神经网络模型设计 | 第34-37页 |
| 3.2.1 整体结构 | 第35-36页 |
| 3.2.2 数据输入部分 | 第36页 |
| 3.2.3 CNN特征提取部分 | 第36-37页 |
| 3.2.4 分类器部分 | 第37页 |
| 3.3 Caffe框架上的模型构建与训练 | 第37-49页 |
| 3.3.1 Caffe平台搭建 | 第38页 |
| 3.3.2 Caffe的层类型 | 第38-39页 |
| 3.3.3 MLCNN在Caffe上的层设计与连接 | 第39-44页 |
| 3.3.4 模型训练与测试 | 第44-46页 |
| 3.3.5 测试结果与分析 | 第46-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第四章 基于集成卷积神经网络的飞机分类 | 第51-57页 |
| 4.1 神经网络集成介绍 | 第51-52页 |
| 4.2 集成卷积神经网络的模型设计 | 第52-53页 |
| 4.3 模型训练 | 第53-55页 |
| 4.4 模型测试 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 对比实验与结果分析 | 第57-61页 |
| 5.1 卷积神经网络的影响因素实验 | 第57-60页 |
| 5.1.1 实验一：Dropout不同概率值的对比实验 | 第57-58页 |
| 5.1.2 实验二：不同特征提取层数分布的对比实验 | 第58-59页 |
| 5.1.3 实验三：不同损失函数类型的对比实验 | 第59页 |
| 5.1.4 实验四：集成MLCNN中不同采样次数的对比实验 | 第59-60页 |
| 5.2 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士期间的研究成果 | 第69页 |
