基于深度学习的花卉识别系统开发
| 摘要 | 第6-7页 |
| 1 绪论 | 第7-11页 |
| 1.1 研究背景与意义 | 第7-8页 |
| 1.1.1 深度学习 | 第7页 |
| 1.1.2 植物分类 | 第7-8页 |
| 1.1.3 选题意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.2.1 深度学习在图像识别领域的研究现状 | 第8-9页 |
| 1.2.2 花卉识别的研究现状 | 第9页 |
| 1.3 主要工作 | 第9-10页 |
| 1.4 组织结构 | 第10-11页 |
| 2 常见的深度学习模型 | 第11-20页 |
| 2.1 栈式自动编码器(SAE) | 第11-13页 |
| 2.2 卷积神经网络(CNN) | 第13-14页 |
| 2.3 受限玻尔兹曼机(RBM) | 第14-16页 |
| 2.4 卷积受限玻尔兹曼机(CRBM) | 第16-17页 |
| 2.5 深度置信网络(DBN) | 第17-18页 |
| 2.6 深度玻尔兹曼机(DBM) | 第18-20页 |
| 3 花卉识别关键技术 | 第20-26页 |
| 3.1 卷积层 | 第20-22页 |
| 3.2 池化层 | 第22页 |
| 3.3 激活函数 | 第22-23页 |
| 3.4 损失函数 | 第23-24页 |
| 3.5 反向传播和梯度下降 | 第24-25页 |
| 3.6 梯度计算 | 第25-26页 |
| 4 花卉识别系统设计 | 第26-30页 |
| 4.1 系统总体设计 | 第26-27页 |
| 4.2 识别模型设计 | 第27-28页 |
| 4.2.1 网络模型选取 | 第27-28页 |
| 4.2.2 网络模型训练 | 第28页 |
| 4.2.3 模型微调 | 第28页 |
| 4.3 数据库设计 | 第28页 |
| 4.4 界面设计 | 第28-30页 |
| 5 花卉识别系统实现 | 第30-35页 |
| 5.1 系统开发环境 | 第30页 |
| 5.2 系统开发流程 | 第30-31页 |
| 5.3 功能模块实现 | 第31-35页 |
| 5.3.1 训练分类模型 | 第31-35页 |
| 5.3.2 搭建识别系统 | 第35页 |
| 6 总结与展望 | 第35-37页 |
| 6.1 实验结果与分析 | 第35-36页 |
| 6.2 总结与展望 | 第36-37页 |
| 参考文献 | 第37-40页 |
| Abstract | 第40页 |
| 致谢 | 第42页 |
