基于深度学习的图像识别应用研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究背景和研究意义 | 第10-11页 |
| 1.2 深度学习研究进展 | 第11-12页 |
| 1.3 论文的主要内容 | 第12-13页 |
| 1.4 论文的结构安排 | 第13-14页 |
| 第2章 图像识别技术研究进展 | 第14-22页 |
| 2.1 图像识别基本框架 | 第14-15页 |
| 2.2 特征提取与表达 | 第15-17页 |
| 2.3 分类器 | 第17-18页 |
| 2.4 敏感图像识别研究进展 | 第18-19页 |
| 2.5 车牌识别研究进展 | 第19-22页 |
| 第3章 深度学习研究 | 第22-42页 |
| 3.1 传统前馈神经网络 | 第22-26页 |
| 3.1.1 神经元结构 | 第22-23页 |
| 3.1.2 前馈神经网络 | 第23-25页 |
| 3.1.3 前馈网络的训练 | 第25-26页 |
| 3.2 深度学习概念 | 第26-27页 |
| 3.3 深度特征学习 | 第27-28页 |
| 3.4 深度学习常用模型 | 第28-37页 |
| 3.4.1 深度信念网络 | 第28-31页 |
| 3.4.2 卷积神经网络 | 第31-35页 |
| 3.4.3 循环神经网络 | 第35-37页 |
| 3.5 实验结果与分析 | 第37-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第4章 基于CNN的敏感图像识别 | 第42-52页 |
| 4.1 引言 | 第42页 |
| 4.2 基于CNN的敏感图像识别整体框架 | 第42-43页 |
| 4.3 敏感图像粗检 | 第43-45页 |
| 4.3.1 肤色检测 | 第43-44页 |
| 4.3.2 人脸检测 | 第44-45页 |
| 4.4 敏感图像细检 | 第45-47页 |
| 4.4.1 CNN网络结构和实现 | 第45-47页 |
| 4.4.2 网络训练 | 第47页 |
| 4.5 实验结果与分析 | 第47-49页 |
| 4.6 本章小结 | 第49-52页 |
| 第5章 基于CRNN的车牌识别 | 第52-64页 |
| 5.1 引言 | 第52页 |
| 5.2 基于CRNN的车牌识别整体框架 | 第52-53页 |
| 5.3 车牌定位 | 第53-56页 |
| 5.4 基于CRNN的车牌识别 | 第56-61页 |
| 5.4.1 CRNN网络结构 | 第56-59页 |
| 5.4.2 网络训练 | 第59-60页 |
| 5.4.3 网络实现 | 第60-61页 |
| 5.5 实验结果与分析 | 第61-63页 |
| 5.6 本章小结 | 第63-64页 |
| 结论与展望 | 第64-66页 |
| 1. 论文完成的主要工作 | 第64-65页 |
| 2. 下一步工作展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 攻读硕士学位期间完成的成果 | 第72-74页 |
| 攻读硕士学位期间参加的科研项目 | 第74-76页 |
| 致谢 | 第76页 |
