首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于卷积神经网络的图像识别方法研究

摘要第4-5页
Abstract第5-6页
1 绪论第11-17页
    1.1 研究背景及意义第11-14页
    1.2 国内外研究现状第14-15页
    1.3 论文工作概述第15-16页
    1.4 论文组织结构第16-17页
2 卷积神经网络第17-38页
    2.1 卷积神经网络结构第17-26页
        2.1.1 卷积运算第17-19页
        2.1.2 卷积层第19-20页
        2.1.3 激活层第20-24页
        2.1.4 池化层第24-25页
        2.1.5 全连接层第25-26页
    2.2 卷积网络训练方法第26-30页
    2.3 训练优化算法第30-32页
    2.4 防止过拟合技术第32-37页
        2.4.1 数据增强变换第34-36页
        2.4.2 Dropout技术第36-37页
    2.5 本章小结第37-38页
3 基于卷积神经网络的车牌字符识别第38-50页
    3.1 问题描述第38-40页
    3.2 卷积模型结构第40-41页
    3.3 实验及分析第41-49页
        3.3.1 实验数据第41-42页
        3.3.2 实验环境及配置第42页
        3.3.3 评估标准第42-43页
        3.3.4 实验结果第43-44页
        3.3.5 参数讨论第44-49页
    3.4 本章小结第49-50页
4 小样本条件下的迁移训练方法第50-67页
    4.1 问题描述第50-51页
    4.2 迁移学习第51-53页
        4.2.1 迁移学习流程第52-53页
    4.3 域内同构迁移学习第53-59页
        4.3.1 域内同构迁移训练过程第54-55页
        4.3.2 实验数据及参数配置第55-56页
        4.3.3 实验结果及分析第56-59页
    4.4 域间异构迁移学习第59-64页
        4.4.1 域间异构卷积模型第59-61页
        4.4.2 域间异构迁移训练算法第61-62页
        4.4.3 实验结果及分析第62-64页
    4.5 卷积特征可视化第64-65页
    4.6 本章小结第65-67页
5 总结与展望第67-69页
    5.1 工作总结第67-68页
    5.2 研究展望第68-69页
参考文献第69-73页
个人简历、在校期间发表的学术论文与研究成果第73-74页
致谢第74页

论文共74页,点击 下载论文
上一篇:茄链格孢全基因组测序及SSR分子标记的开发
下一篇:漳州PX事件的框架变迁与媒介建构--以中新网和腾讯网对漳州PX事件报道为例