特征池化:一种用于CNN的特征选择方法
摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
符号对照表 | 第11-12页 |
缩略语对照表 | 第12-15页 |
第一章 绪论 | 第15-23页 |
1.1 研究背景 | 第15-18页 |
1.2 国内外研究现状 | 第18-20页 |
1.3 研究目标与研究内容 | 第20页 |
1.4 论文的组织结构 | 第20-23页 |
第二章 相关理论与技术 | 第23-37页 |
2.1 卷积神经网络 | 第23-27页 |
2.2 图像分类 | 第27-31页 |
2.3 图像去噪 | 第31-33页 |
2.4 图像风格化 | 第33-36页 |
2.5 本章小结 | 第36-37页 |
第三章 特征池化新方法 | 第37-47页 |
3.1 传统特征选择方法分析 | 第37-38页 |
3.2 特征池化新方法 | 第38-43页 |
3.2.1 特征池化设计思路 | 第38-39页 |
3.2.2 特征池化算法介绍 | 第39-41页 |
3.2.3 特征池化具体实现 | 第41-43页 |
3.3 特征池化可行性分析 | 第43-45页 |
3.3.1 分类模型 | 第43-44页 |
3.3.2 实验结果 | 第44-45页 |
3.4 本章小结 | 第45-47页 |
第四章 特征池化实验 | 第47-61页 |
4.1 图像去噪实验 | 第47-52页 |
4.1.1 数据集 | 第47页 |
4.1.2 模型和参数设定 | 第47-50页 |
4.1.3 实验结果 | 第50-52页 |
4.2 图像分类实验 | 第52-55页 |
4.2.1 数据集 | 第52-53页 |
4.2.2 模型和参数设定 | 第53-54页 |
4.2.3 实验结果 | 第54-55页 |
4.3 图像风格化实验 | 第55-59页 |
4.3.1 模型 | 第55-57页 |
4.3.2 实验结果 | 第57-59页 |
4.4 本章小结 | 第59-61页 |
第五章 实验讨论与分析 | 第61-67页 |
5.1 与相似理论的比较 | 第61-62页 |
5.2 特征池化的有效性 | 第62-64页 |
5.3 特征池化对数据的影响 | 第64-65页 |
5.4 特征池化的局限性 | 第65-66页 |
5.5 本章小结 | 第66-67页 |
第六章 总结与展望 | 第67-69页 |
6.1 本文总结 | 第67-68页 |
6.2 未来工作展望 | 第68-69页 |
参考文献 | 第69-75页 |
致谢 | 第75-77页 |
作者简介 | 第77-78页 |