| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 国内外研究现状分析 | 第9-13页 |
| 1.3 本文主要研究内容 | 第13页 |
| 1.4 本文组织结构 | 第13-15页 |
| 第2章 深层神经网络相关基础 | 第15-31页 |
| 2.1 人工神经网络 | 第15-19页 |
| 2.1.1 人工神经网络 | 第15-17页 |
| 2.1.2 反向传播算法 | 第17-19页 |
| 2.2 深度学习 | 第19-21页 |
| 2.3 卷积神经网络 | 第21-26页 |
| 2.3.1 基本思想 | 第21-22页 |
| 2.3.2 网络结构 | 第22-24页 |
| 2.3.3 训练过程 | 第24-26页 |
| 2.4 经典网络模型 | 第26-30页 |
| 2.4.1 LeNet-5模型 | 第27-28页 |
| 2.4.2 AlexNet模型 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第3章 AlexNet网络结构改进方法 | 第31-46页 |
| 3.1 相关卷积神经网络模型结构改进方法简介 | 第31-36页 |
| 3.1.1 VGGNet模型及结构改进 | 第31-32页 |
| 3.1.2 Network In Network模型及结构改进 | 第32-34页 |
| 3.1.3 GoogLeNet模型及结构改进 | 第34-35页 |
| 3.1.4 深度残差网络及结构改进 | 第35-36页 |
| 3.2 AlexNet网络结构改进方法 | 第36-41页 |
| 3.2.1 增加网络深度 | 第37-39页 |
| 3.2.2 增强卷积单元性能 | 第39-41页 |
| 3.3 改进模型实验对比 | 第41-45页 |
| 3.3.1 图像数据集ImageNet-1000实验结果 | 第42-43页 |
| 3.3.2 服装数据集ACS实验结果 | 第43-44页 |
| 3.3.3 服装数据集CAPB实验结果 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 基于AlexNet网络的物体识别方法 | 第46-60页 |
| 4.1 改进的AlexNet网络模型 | 第46-48页 |
| 4.1.1 网络模型卷积层参数分析 | 第46-47页 |
| 4.1.2 AlexNet改进模型 | 第47-48页 |
| 4.2 提出的基于AlexNet网络的双层树形结构分类方法 | 第48-54页 |
| 4.2.1 基于相似度计算的易混淆类别划分方法 | 第50-52页 |
| 4.2.2 双层树形结构模型 | 第52-54页 |
| 4.3 实验及分析 | 第54-59页 |
| 4.3.1 AlexNet改进模型实验 | 第54-58页 |
| 4.3.2 基于AlexNet网络的双层树形结构模型实验 | 第58-59页 |
| 4.4 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66页 |
