鸟类局部特征的细粒度图像分类方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.2.1 图像局部特征提取 | 第10-12页 |
| 1.2.2 细粒度图像分类 | 第12-14页 |
| 1.3 研究思路及主要工作 | 第14-16页 |
| 1.4 论文组织结构及内容概要 | 第16-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第2章 基于SIFT的鸟类局部特征提取 | 第19-33页 |
| 2.1 SIFT特征属性分析 | 第19-22页 |
| 2.1.1 尺度不变性分析 | 第19-21页 |
| 2.1.2 旋转不变性分析 | 第21-22页 |
| 2.2 SIFT特征优化 | 第22-27页 |
| 2.2.1 问题分析 | 第22-23页 |
| 2.2.2 优化方法 | 第23-27页 |
| 2.3 实验与分析 | 第27-31页 |
| 2.3.1 SIFT特征点的提取与匹配测试 | 第27-28页 |
| 2.3.2 基于SIFT特征的细粒度分类实验 | 第28-31页 |
| 2.4 本章小结 | 第31-33页 |
| 第3章 基于CNN的鸟类局部特征提取 | 第33-45页 |
| 3.1 卷积神经网络模型分析 | 第33-36页 |
| 3.1.1 基本结构理解 | 第33-35页 |
| 3.1.2 卷积原理分析 | 第35-36页 |
| 3.2 特征提取方案 | 第36-39页 |
| 3.2.1 问题分析 | 第36-37页 |
| 3.2.2 改进策略 | 第37-39页 |
| 3.3 实验与分析 | 第39-44页 |
| 3.3.1 CNN的设计与训练 | 第39-42页 |
| 3.3.2 基于CNN特征的细粒度分类实验 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 组合多种鸟类局部特征的细粒度图像分类 | 第45-51页 |
| 4.1 基本组合思想 | 第45-46页 |
| 4.2 整体实现流程 | 第46-48页 |
| 4.3 实验与分析 | 第48-50页 |
| 4.3.1 局部特征的选取与组合 | 第48-49页 |
| 4.3.2 基于组合特征的细粒度分类实验 | 第49-50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 总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士期间发表的学术论文 | 第57页 |
