一种基于显著性的细粒度图像分类方法
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第8-13页 |
| 1.1 课题研究背景及意义 | 第8页 |
| 1.2 细粒度图像分类问题研究难点 | 第8-9页 |
| 1.3 国内外研究状况 | 第9-12页 |
| 1.4 研究内容及组织结构 | 第12页 |
| 1.5 论文组织及结构 | 第12-13页 |
| 2 基础知识 | 第13-21页 |
| 2.1 深度学习理论 | 第13-17页 |
| 2.1.1 人工神经网络 | 第13-14页 |
| 2.1.2 卷积神经网络 | 第14-16页 |
| 2.1.3 常用卷积神经网络模型 | 第16-17页 |
| 2.2 迁移学习 | 第17-18页 |
| 2.3 双线性卷积神经网络 | 第18-21页 |
| 2.3.1 双线性模型 | 第18页 |
| 2.3.2 双线性特征 | 第18-19页 |
| 2.3.3 双线性CNN模型 | 第19-21页 |
| 3 算法及模型 | 第21-31页 |
| 3.1 弱监督目标定位 | 第21-25页 |
| 3.2 两步微调目标定位 | 第25-26页 |
| 3.3 混合损失函数 | 第26-28页 |
| 3.4 整合模型 | 第28-29页 |
| 3.5 联合网络模型 | 第29-31页 |
| 4 实验结果分析 | 第31-37页 |
| 4.1 数据集 | 第31-33页 |
| 4.2 基于两步微调的目标定位算法量化分析 | 第33-35页 |
| 4.3 中心函数效果对比实验 | 第35页 |
| 4.4 模型分类结果分析 | 第35-37页 |
| 结论 | 第37-38页 |
| 参考文献 | 第38-40页 |
| 攻读硕士学位期间发表学术论文情况 | 第40-41页 |
| 致谢 | 第41-43页 |
