基于深度学习的中草药图像分类方法研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究的背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 本论文的主要研究内容和创新点 | 第11-14页 |
| 1.3.1 本文结构 | 第11页 |
| 1.3.2 本文创新点 | 第11-14页 |
| 第2章 图像分割 | 第14-20页 |
| 2.1 阈值分割 | 第14-16页 |
| 2.2 边缘检测法 | 第16-17页 |
| 2.3 基于区域的分割算法 | 第17-18页 |
| 2.4 结合特定理论工具的分割算法 | 第18-19页 |
| 2.4.1 聚类分析 | 第18页 |
| 2.4.2 基于小波分析和变换的图像分割 | 第18-19页 |
| 2.4.3 遗传算法 | 第19页 |
| 2.5 本章小结 | 第19-20页 |
| 第3章 图像分类 | 第20-34页 |
| 3.1 机器学习分类方法 | 第20-22页 |
| 3.1.1 KNN算法 | 第20-21页 |
| 3.1.2 贝叶斯算法 | 第21-22页 |
| 3.2 深度学习算法 | 第22-32页 |
| 3.2.1 LeNet | 第23-25页 |
| 3.2.2 AlexNet | 第25-27页 |
| 3.2.3 ZFNet | 第27-28页 |
| 3.2.4 VGG | 第28-29页 |
| 3.2.5 ResNet | 第29-32页 |
| 3.3 本章小结 | 第32-34页 |
| 第4章 深度学习算法在中草药图像分类中的应用 | 第34-48页 |
| 4.1 研究意义 | 第34-35页 |
| 4.2 中草药数据 | 第35-37页 |
| 4.3 GoogLeNet模型 | 第37-39页 |
| 4.4 实验环境介绍 | 第39-40页 |
| 4.5 数据处理 | 第40-41页 |
| 4.6 实验以及结果 | 第41-43页 |
| 4.7 图像分割处理 | 第43-46页 |
| 4.8 图像分割后的实验及结果 | 第46-47页 |
| 4.9 本章小结 | 第47-48页 |
| 第5章 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48页 |
| 5.2 展望 | 第48-50页 |
| 参考文献 | 第50-56页 |
| 致谢 | 第56-58页 |
| 在学期间主要科研成果 | 第58页 |
| 一、发表学术论文 | 第58页 |
| 二、参与科研项目 | 第58页 |
