| 摘要 | 第7-9页 |
| abstract | 第9-10页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题研究的背景及意义 | 第11页 |
| 1.2 国内外研究动态 | 第11-16页 |
| 1.2.1 图像分类的研究现状 | 第11-14页 |
| 1.2.2 卷积神经网络的发展与研究现状 | 第14-15页 |
| 1.2.3 卷积神经网络在图像分类领域的应用与存在的问题 | 第15-16页 |
| 1.3 本文的研究内容与组织结构 | 第16-18页 |
| 第二章 人工神经网络与卷积神经网络结构及算法 | 第18-34页 |
| 2.1 人工神经网络 | 第18-24页 |
| 2.1.2 神经网络的学习方式 | 第20页 |
| 2.1.3 神经网络的模型结构 | 第20-21页 |
| 2.1.4 BP神经网络模型及梯度下降算法 | 第21-24页 |
| 2.2 卷积神经网络 | 第24-32页 |
| 2.2.1 卷积神经网络的基本思想 | 第25-26页 |
| 2.2.2 卷积神经网络结构 | 第26-30页 |
| 2.2.3 卷积神经网络的训练 | 第30-32页 |
| 2.2.4 卷积神经网络的优缺点 | 第32页 |
| 2.3 caffe平台简介 | 第32-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 PCA非监督预训练的maxout卷积神经网络 | 第34-47页 |
| 3.1 引言 | 第34-35页 |
| 3.2 图像分类数据库介绍 | 第35-37页 |
| 3.2.1 MNIST数据集 | 第35-36页 |
| 3.2.2 CIFAR-10 数据集 | 第36-37页 |
| 3.3 数据预处理 | 第37-38页 |
| 3.3.1 简单缩放 | 第37页 |
| 3.3.2 均值归一化 | 第37-38页 |
| 3.3.3 特征标准化 | 第38页 |
| 3.4 网络介绍 | 第38-43页 |
| 3.4.1 PCA非监督预训练学习滤波器 | 第38-39页 |
| 3.4.2 maxout隐层操作 | 第39-40页 |
| 3.4.3 Relu激活函数 | 第40-41页 |
| 3.4.4 网络整体算法流程 | 第41-43页 |
| 3.5 实验结果与分析 | 第43-46页 |
| 3.5.1 MNIST实验 | 第43-45页 |
| 3.5.2 CIFAR-10 实验 | 第45-46页 |
| 3.6 本章小结 | 第46-47页 |
| 第四章 基于双边滤波的多路径卷积神经网络 | 第47-58页 |
| 4.1 引言 | 第47-48页 |
| 4.2 CIFAR-100 数据集 | 第48-49页 |
| 4.3 图像复杂性分析 | 第49-51页 |
| 4.4 卷积神经网络上的学习曲线分析 | 第51-52页 |
| 4.5 性能下降分析 | 第52-53页 |
| 4.6 双边滤波抑制高频部件 | 第53-54页 |
| 4.7 双边滤波的多路径卷积神经网络结构 | 第54-56页 |
| 4.8 实验结果与分析 | 第56-57页 |
| 4.8.1 CIFAR-10 实验 | 第56-57页 |
| 4.8.2 CIFAR-100 实验 | 第57页 |
| 4.9 本章小结 | 第57-58页 |
| 第五章 结论与展望 | 第58-60页 |
| 5.1 全文总结 | 第58-59页 |
| 5.2 研究展望 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 附录 | 第66页 |