基于卷积神经网络的图像分类模型的研究与应用
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 第2章 卷积神经网络 | 第13-23页 |
| 2.1 卷积神经网络基本原理 | 第13-15页 |
| 2.1.1 局部连接和权值共享 | 第14页 |
| 2.1.2 子采样操作 | 第14-15页 |
| 2.2 卷积神经网络基本架构 | 第15-17页 |
| 2.2.1 卷积层 | 第15-16页 |
| 2.2.2 池化层 | 第16-17页 |
| 2.2.3 全连接层 | 第17页 |
| 2.3 卷积神经网络优化训练 | 第17-20页 |
| 2.3.1 卷积神经网络有监督训练 | 第17-20页 |
| 2.3.2 卷积神经网络无监督训练 | 第20页 |
| 2.4 AlexNet网络 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 采用K-均值与卷积的图像分类算法 | 第23-32页 |
| 3.1 K-均值算法 | 第23-24页 |
| 3.2 基于K-均值与卷积的图像分类算法 | 第24-28页 |
| 3.2.1 图像预处理 | 第24-25页 |
| 3.2.2 图像特征提取 | 第25-27页 |
| 3.2.3 图像特征分类 | 第27-28页 |
| 3.3 实验结果分析 | 第28-30页 |
| 3.3.1 实验数据集介绍 | 第28-29页 |
| 3.3.2 实验数据分析 | 第29-30页 |
| 3.4 本章小结 | 第30-32页 |
| 第4章 基于模糊DSD算法的卷积神经网络 | 第32-39页 |
| 4.1 DSD算法 | 第32-34页 |
| 4.2 模糊DSD算法 | 第34-36页 |
| 4.3 实验结果分析 | 第36-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第5章 无监督学习算法在车辆类型识别上的运用 | 第39-45页 |
| 5.1 车辆数据集 | 第39-40页 |
| 5.2 算法处理流程 | 第40-41页 |
| 5.2.1 图像预处理 | 第40页 |
| 5.2.2 特征提取与分类 | 第40-41页 |
| 5.3 车型识别系统 | 第41-43页 |
| 5.4 实验结果分析 | 第43-44页 |
| 5.5 本章小结 | 第44-45页 |
| 第6章 总结与展望 | 第45-47页 |
| 6.1 全文总结 | 第45-46页 |
| 6.2 展望 | 第46-47页 |
| 参考文献 | 第47-52页 |
| 致谢 | 第52-53页 |
| 附录 | 第53页 |
