基于深度学习的图像语义理解和分类研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文的主要工作 | 第11页 |
| 1.4 本文的结构安排 | 第11-13页 |
| 第2章 图像分类研究综述 | 第13-23页 |
| 2.1 图像分类流程 | 第13-14页 |
| 2.2 传统神经网络 | 第14-19页 |
| 2.2.1 基本思想 | 第14-15页 |
| 2.2.2 BP神经网络 | 第15-19页 |
| 2.3 深度学习简介 | 第19-21页 |
| 2.3.1 基本思想 | 第19-20页 |
| 2.3.2 训练过程概述 | 第20-21页 |
| 2.4 图像分类中的相关性度量 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 图像视觉特征分析与深度学习 | 第23-36页 |
| 3.1 图像传统特征提取 | 第23-28页 |
| 3.1.1 颜色特征 | 第23-25页 |
| 3.1.2 纹理特征 | 第25-28页 |
| 3.2 基于深度学习的图像特征分析 | 第28-35页 |
| 3.2.1 基于线性解码神经网络的特征分析 | 第28-33页 |
| 3.2.2 基于部分联通网络的卷积特征 | 第33-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第4章 基于回归预测的图像分类算法 | 第36-41页 |
| 4.1 基于SOFTMAX的回归分析 | 第36-38页 |
| 4.2 分类器参数优化 | 第38-40页 |
| 4.3 本章小结 | 第40-41页 |
| 第5章 系统构建和实验结果分析 | 第41-48页 |
| 5.1 系统的整体框架和流程 | 第41-42页 |
| 5.2 图像数据集 | 第42-43页 |
| 5.3 分类结果与对比分析 | 第43-47页 |
| 5.3.1 性能评价标准 | 第43页 |
| 5.3.2 分类结果对比分析 | 第43-47页 |
| 5.4 本章小结 | 第47-48页 |
| 第6章 总结与展望 | 第48-50页 |
| 6.1 总结 | 第48页 |
| 6.2 展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 附录1 攻读硕士学位期间发表的论文 | 第55-56页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第56页 |
