结合协同训练的深度图像分类网络
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 图像分类的研究背景及其意义 | 第9-11页 |
| 1.1.1 智能视频监控 | 第10页 |
| 1.1.2 互联网图像应用 | 第10-11页 |
| 1.1.3 军事图像应用 | 第11页 |
| 1.2 图像分类的主要研究方法 | 第11-13页 |
| 1.2.1 特征提取 | 第11-12页 |
| 1.2.2 分类器模型 | 第12-13页 |
| 1.3 协同训练算法的主要研究方法 | 第13-14页 |
| 1.4 深度学习的主要研究方法 | 第14-15页 |
| 1.5 本文主要工作和内容安排 | 第15页 |
| 1.6 本章小结 | 第15-16页 |
| 第二章 神经网络和深度学习 | 第16-31页 |
| 2.1 逻辑回归概率模型 | 第16-19页 |
| 2.2 多层感知器模型 | 第19-24页 |
| 2.2.1 多层感知器模型的基本结构 | 第19-20页 |
| 2.2.2 多层感知器模型的反向传播 | 第20-24页 |
| 2.3 深度学习和卷积神经网络 | 第24-30页 |
| 2.3.1 深度卷积神经网络 | 第25-27页 |
| 2.3.2 卷积神经网络的反向传播 | 第27-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 结合协同训练的卷积神经网络 | 第31-41页 |
| 3.1 协同训练算法 | 第31-35页 |
| 3.1.1 常见的协同训练算法 | 第31-32页 |
| 3.1.2 Tri-training算法 | 第32-35页 |
| 3.2 结合协同训练的卷积神经网络 | 第35-38页 |
| 3.2.1 标记置信度 | 第36-37页 |
| 3.2.2 去噪训练算法 | 第37-38页 |
| 3.3 深度协同训练网络 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第四章 深度协同网络的实验与分析 | 第41-54页 |
| 4.1 卷积神经网络手写体识别实验 | 第41-46页 |
| 4.1.1 卷积神经网络训练细则 | 第41-43页 |
| 4.1.2 手写体识别实验 | 第43-46页 |
| 4.2 深度协同训练网络实验 | 第46-53页 |
| 4.2.1 实验概述 | 第46-48页 |
| 4.2.2 性别识别实验 | 第48-50页 |
| 4.2.3 人车分类实验 | 第50-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录1 程序清单 | 第58-59页 |
| 附录2 攻读硕士学位期间申请的专利 | 第59-60页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第60-61页 |
| 致谢 | 第61页 |
