基于卷积神经网络的图像分类方法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 图像分类研究现状 | 第15-17页 |
| 1.2 人工神经网络的发展与现状 | 第17-18页 |
| 1.3 深度学习理论对人工神经网络的影响 | 第18-19页 |
| 1.4 卷积神经网络的研究背景 | 第19-20页 |
| 1.5 本文内容的组织结构 | 第20-22页 |
| 第二章 人工神经网络与卷积神经网络 | 第22-38页 |
| 2.1 神经网络 | 第22-29页 |
| 2.1.1 神经元基本结构 | 第22-23页 |
| 2.1.2 神经网络的学习机制 | 第23-24页 |
| 2.1.3 神经网络的模型结构 | 第24-25页 |
| 2.1.4 BP神经网络模型 | 第25-29页 |
| 2.2 卷积神经网络 | 第29-37页 |
| 2.2.1 卷积神经网络结构 | 第30-33页 |
| 2.2.2 卷积神经网络的求解 | 第33-35页 |
| 2.2.3 卷积神经网络的训练过程 | 第35-36页 |
| 2.2.4 卷积神经网络的优缺点 | 第36-37页 |
| 2.3 本章小结 | 第37-38页 |
| 第三章 卷积神经网络在人脸识别上的应用 | 第38-47页 |
| 3.1 数据库 | 第38-39页 |
| 3.2 网络结构 | 第39-44页 |
| 3.2.1 卷积层的设计 | 第41-42页 |
| 3.2.2 下采样层的设计 | 第42-43页 |
| 3.2.3 激活函数的设计 | 第43-44页 |
| 3.3 实验与分析 | 第44-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 改进的卷积神经网络结构及其应用 | 第47-57页 |
| 4.1 动态生长的卷积神经网络结构 | 第47-51页 |
| 4.2 主动的样本学习方法 | 第51-52页 |
| 4.3 在植物叶片识别上的应用 | 第52-56页 |
| 4.3.1 数据库 | 第53-54页 |
| 4.3.2 实验与分析 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第五章 总结 | 第57-59页 |
| 5.1 全文总结 | 第57-58页 |
| 5.2 工作展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第64-65页 |
