| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 TensorFlow简介 | 第13-14页 |
| 1.4 本文的主要工作及内容安排 | 第14页 |
| 本章小结 | 第14-15页 |
| 第二章 深度卷积网与迁移学习概述 | 第15-23页 |
| 2.1 引言 | 第15页 |
| 2.2 深度卷积网概述 | 第15-19页 |
| 2.2.1 深度卷积网概念 | 第15-19页 |
| 2.3 迁移学习概述 | 第19-22页 |
| 2.3.1 迁移学习概念 | 第19-21页 |
| 2.3.2 迁移学习研究的问题 | 第21-22页 |
| 2.3.3 迁移学习发展趋势 | 第22页 |
| 本章小结 | 第22-23页 |
| 第三章 基于深度卷积网的数据增强技术 | 第23-33页 |
| 3.1 引言 | 第23页 |
| 3.2 数据增强方法 | 第23-25页 |
| 3.3 AlexNet网络分析 | 第25-27页 |
| 3.4 实验与结果分析 | 第27-32页 |
| 本章小结 | 第32-33页 |
| 第四章 基于深度卷积网与迁移学习的图像分类类别拓展 | 第33-54页 |
| 4.1 引言 | 第33页 |
| 4.2 基于迁移学习的图像分类类别拓展算法 | 第33-43页 |
| 4.2.1 基于微调的图像分类类别拓展算法 | 第33-38页 |
| 4.2.2 基于特征提取的图像分类类别拓展算法 | 第38-43页 |
| 4.3 实验与结果分析 | 第43-53页 |
| 4.3.1 实验设置 | 第43-45页 |
| 4.3.2 实验结果与分析 | 第45-53页 |
| 本章小结 | 第53-54页 |
| 第五章 基于深度卷积网与迁移学习的目标检测拓展 | 第54-67页 |
| 5.1 引言 | 第54页 |
| 5.2 SSD概述 | 第54-58页 |
| 5.3 基于SSD模型微调的目标检测拓展算法 | 第58-66页 |
| 5.3.1 算法概述 | 第58-59页 |
| 5.3.2 模型建立 | 第59-60页 |
| 5.3.3 实验与结果分析 | 第60-66页 |
| 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67页 |
| 6.2 展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间参与的项目以及发表的学术论文 | 第73-74页 |
| 致谢 | 第74页 |