基于深度卷积神经网络的细粒度图像分类研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1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10-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 本文结构安排 | 第14-15页 |
| 第2章 相关理论与技术 | 第15-28页 |
| 2.1 人工神经网络 | 第15-18页 |
| 2.2 深度卷积神经网络 | 第18-25页 |
| 2.3 细粒度图像数据集 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 深度关注网络的细粒度图像分类 | 第28-40页 |
| 3.1 注意力机制 | 第28-30页 |
| 3.2 深度关注网络设计 | 第30-35页 |
| 3.2.1 通道关注 | 第31-32页 |
| 3.2.2 空间关注 | 第32-34页 |
| 3.2.3 混合关注 | 第34-35页 |
| 3.3 实验验证分析 | 第35-39页 |
| 3.3.1 仿真设计 | 第35-37页 |
| 3.3.2 结果与分析 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 递归深度混合关注网络的细粒度图像分类 | 第40-51页 |
| 4.1 深度卷积特征分析 | 第40-42页 |
| 4.2 递归深度混合关注网络设计 | 第42-47页 |
| 4.2.1 关键区域定位 | 第42-44页 |
| 4.2.2 裁剪放大模块 | 第44-46页 |
| 4.2.3 递归深度混合关注网络框架 | 第46-47页 |
| 4.3 实验验证分析 | 第47-50页 |
| 4.3.1 仿真设计 | 第47-48页 |
| 4.3.2 实验结果分析 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 本文工作总结 | 第51-52页 |
| 5.2 未来工作展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士期间的研究成果 | 第57页 |
