| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-22页 |
| 1.1 课题背景 | 第11-15页 |
| 1.1.1 面向图像分类的数据集 | 第11-13页 |
| 1.1.2 基于深度学习的图像分类算法 | 第13-14页 |
| 1.1.3 图像标注 | 第14-15页 |
| 1.2 相关研究 | 第15-20页 |
| 1.2.1 面向image Net的深度学习模型相关研究 | 第15-16页 |
| 1.2.2 自然语言处理深度学习模型研究 | 第16-17页 |
| 1.2.3 主流深度学习框架 | 第17-20页 |
| 1.3 主要研究内容及创新点 | 第20-21页 |
| 1.4 论文结构 | 第21-22页 |
| 第二章 深度学习核心算法研究 | 第22-60页 |
| 2.1 引言 | 第22页 |
| 2.2 相关研究 | 第22-24页 |
| 2.2.1 基于词包模型的分类算法 | 第22-23页 |
| 2.2.2 基于深度学习模型的分类算法 | 第23-24页 |
| 2.3 线性分类算法研究 | 第24-36页 |
| 2.3.1 最近邻（Nearest Neighbor）算法 | 第24-27页 |
| 2.3.2 k-NN算法 | 第27-29页 |
| 2.3.3 SVM算法 | 第29-33页 |
| 2.3.4 Softmax算法 | 第33-36页 |
| 2.4 深度学习算法研究 | 第36-52页 |
| 2.4.1 神经网络算法 | 第37-43页 |
| 2.4.2 卷积神经网络算法 | 第43-47页 |
| 2.4.3 循环神经网络算法 | 第47-50页 |
| 2.4.4 长短基记忆模型算法 | 第50-52页 |
| 2.5 实验及结果分析 | 第52-59页 |
| 2.5.1 实验环境 | 第52-53页 |
| 2.5.2 实验结果 | 第53-58页 |
| 2.5.3 实验结论 | 第58-59页 |
| 2.6 小结 | 第59-60页 |
| 第三章 图像标注算法的研究与改进 | 第60-86页 |
| 3.1 引言 | 第60页 |
| 3.2 相关研究 | 第60-76页 |
| 3.3 图像标注算法的改进 | 第76-83页 |
| 3.3.1 对算法图像处理模块的改进 | 第76-79页 |
| 3.3.2 对算法语言生成模块的改进 | 第79-82页 |
| 3.3.3 对算法输入特征投影方式的改进 | 第82-83页 |
| 3.4 实验及结果分析 | 第83-85页 |
| 3.4.1 实验环境 | 第83-84页 |
| 3.4.2 自动评价标准得分 | 第84页 |
| 3.4.3 人工评价得分 | 第84-85页 |
| 3.5 小结 | 第85-86页 |
| 第四章 基于云服务的图像分类系统设计与实现 | 第86-93页 |
| 4.1 引言 | 第86页 |
| 4.2 系统设计 | 第86-87页 |
| 4.3 系统实现 | 第87-92页 |
| 4.3.1 基于微信公众平台的传感器层实现 | 第87-88页 |
| 4.3.2 基于Play框架的通信层实现 | 第88-89页 |
| 4.3.3 基于云服务的核心计算层实现 | 第89-92页 |
| 4.4 系统结果分析 | 第92页 |
| 4.5 小结 | 第92-93页 |
| 结束语 | 第93-94页 |
| 5.1 工作总结 | 第93页 |
| 5.2 未来研究方向 | 第93-94页 |
| 致谢 | 第94-95页 |
| 参考文献 | 第95-98页 |
| 作者在学期间取得的学术成果 | 第98页 |