| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第11-24页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 目标识别与检测研究现状 | 第12-20页 |
| 1.2.1 手工特征提取算法 | 第13-14页 |
| 1.2.2 基于卷积神经网络的特征学习 | 第14-17页 |
| 1.2.3 目标检测框架的演进 | 第17-20页 |
| 1.2.4 总结 | 第20页 |
| 1.3 论文的主要研究内容及创新点 | 第20-22页 |
| 1.4 论文结构安排 | 第22-24页 |
| 第二章 卷积神经网络特征学习相关理论 | 第24-32页 |
| 2.1 卷积神经网络基本理论 | 第24-31页 |
| 2.1.1 数据增广 | 第24-25页 |
| 2.1.2 卷积神经网络的总体结构 | 第25页 |
| 2.1.3 卷积层及其大小、运算量估计 | 第25-27页 |
| 2.1.4 非线性单元的定义与限制 | 第27-29页 |
| 2.1.5 Xavier初始化理论 | 第29-31页 |
| 2.2 本章小结 | 第31-32页 |
| 第三章 基于增强表达的非线性单元的特征学习方法 | 第32-61页 |
| 3.1 引言 | 第32页 |
| 3.2 相关研究工作 | 第32-35页 |
| 3.3 现有工作存在的问题 | 第35-36页 |
| 3.4 基于增强表达的非线性单元 | 第36-39页 |
| 3.4.1 方法设计 | 第36-38页 |
| 3.4.2 对过拟合风险的处理 | 第38-39页 |
| 3.4.3 计算代价的估计 | 第39页 |
| 3.5 实验及结果分析 | 第39-60页 |
| 3.5.1 模型评估方法 | 第40页 |
| 3.5.2 评估数据集 | 第40-43页 |
| 3.5.3 实验设计与实验结果 | 第43-60页 |
| 3.6 本章小结 | 第60-61页 |
| 第四章 卷积神经网络权重初始化研究 | 第61-77页 |
| 4.1 引言 | 第61-63页 |
| 4.2 相关研究工作 | 第63-64页 |
| 4.3 卷积神经网络权重初始化研究 | 第64-69页 |
| 4.3.1 本章提出的Taylor初始化方法 | 第64-69页 |
| 4.4 实验及结果分析 | 第69-76页 |
| 4.4.1 评估方法 | 第69页 |
| 4.4.2 Taylor初始化方法实验 | 第69-76页 |
| 4.5 本章小结 | 第76-77页 |
| 第五章 卷积特征的变换不变性研究 | 第77-100页 |
| 5.1 引言 | 第77-78页 |
| 5.2 相关研究工作 | 第78-81页 |
| 5.2.1 操作网络结构 | 第78-79页 |
| 5.2.2 操作数据 | 第79-80页 |
| 5.2.3 本章方法与相关工作的比较 | 第80-81页 |
| 5.3 基于丢弃变换网络DTN的变换不变学习算法 | 第81-86页 |
| 5.3.1 DTN的整体结构 | 第81-83页 |
| 5.3.2 随机变换器 | 第83-84页 |
| 5.3.3 丢弃变换算子 | 第84-85页 |
| 5.3.4 计算复杂度 | 第85-86页 |
| 5.4 实验及结果分析 | 第86-98页 |
| 5.4.1 实验所用数据集 | 第86-88页 |
| 5.4.2 Rotated-MNIST上的实验 | 第88-90页 |
| 5.4.3 Distorted MNIST上的实验 | 第90-92页 |
| 5.4.4 GTSRB上的实验 | 第92-93页 |
| 5.4.5 灵活性分析及其他参数选择 | 第93-97页 |
| 5.4.6 在飞机表面损伤检测场景下的实验 | 第97-98页 |
| 5.5 本章小结 | 第98-100页 |
| 第六章 总结与展望 | 第100-103页 |
| 6.1 全文总结 | 第100-101页 |
| 6.2 工作展望 | 第101-103页 |
| 参考文献 | 第103-114页 |
| 缩略语说明 | 第114-115页 |
| 致谢 | 第115-117页 |
| 攻读学位期间的学术成果 | 第117页 |