基于卷积神经网络的视觉场景识别方法研究
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 视觉场景识别研究现状 | 第9-11页 |
| 1.2.1 基于传统特征的方法 | 第9-10页 |
| 1.2.2 基于深度学习的方法 | 第10-11页 |
| 1.3 视觉场景识别存在问题 | 第11页 |
| 1.4 本文工作及创新点 | 第11-12页 |
| 1.5 本文组织结构 | 第12-14页 |
| 第2章 卷积神经网络 | 第14-30页 |
| 2.1 前馈神经网络 | 第14-15页 |
| 2.2 卷积神经网络基本结构 | 第15-18页 |
| 2.2.1 卷积层 | 第15-17页 |
| 2.2.2 池化层 | 第17页 |
| 2.2.3 全连接层 | 第17-18页 |
| 2.2.4 整体结构 | 第18页 |
| 2.3 卷积神经网络优化方法 | 第18-24页 |
| 2.3.1 梯度下降 | 第19-21页 |
| 2.3.2 动量 | 第21-22页 |
| 2.3.3 自适应学习率算法 | 第22-24页 |
| 2.4 卷积神经网络优化方法的挑战 | 第24-26页 |
| 2.4.1 病态 | 第24-25页 |
| 2.4.2 局部最小值 | 第25页 |
| 2.4.3 鞍点和平坦区域 | 第25-26页 |
| 2.5 卷积神经网络的应用 | 第26-28页 |
| 2.5.1 目标识别 | 第26-27页 |
| 2.5.2 视觉SLAM闭环检测 | 第27页 |
| 2.5.3 边缘检测 | 第27-28页 |
| 2.6 小结 | 第28-30页 |
| 第3章 基于单层次特征差异图的视觉场景识别 | 第30-42页 |
| 3.1 数据集 | 第30-31页 |
| 3.2 单层次特征差异图的构建 | 第31-35页 |
| 3.2.1 特征提取 | 第32-33页 |
| 3.2.2 构建单层次特征差异图 | 第33-35页 |
| 3.3 基于单层次特征差异图的视觉场景识别 | 第35-41页 |
| 3.3.1 新的分类模型 | 第35-38页 |
| 3.3.2 训练特征差异图进行场景识别 | 第38-41页 |
| 3.4 小结 | 第41-42页 |
| 第4章 基于多层次特征差异图的视觉场景识别 | 第42-58页 |
| 4.1 反卷积 | 第42-44页 |
| 4.2 反卷积的应用 | 第44-50页 |
| 4.2.1 利用反卷积进行特征可视化 | 第44-46页 |
| 4.2.2 图像重构 | 第46-48页 |
| 4.2.3 上采样 | 第48-50页 |
| 4.3 多层次特征差异图的构建 | 第50-51页 |
| 4.4 利用多层次特征差异图进行场景识别 | 第51-53页 |
| 4.5 与基于CNN距离和阈值相关方法的对比 | 第53-55页 |
| 4.6 小结 | 第55-58页 |
| 第5章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-66页 |
| 发表论文和参加科研情况说明 | 第66-68页 |
| 致谢 | 第68页 |
