基于深度学习的储粮害虫图像识别与分类方法研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 专用术语注释表 | 第10-11页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外储粮害虫分类识别研究现状 | 第12-14页 |
| 1.3 国内外深度学习研究现状 | 第14-16页 |
| 1.4 本文的主要工作 | 第16页 |
| 1.5 论文的组织安排 | 第16-17页 |
| 第二章 深度学习 | 第17-31页 |
| 2.1 深度学习的概念 | 第17-19页 |
| 2.2 深度学习的基本思想和训练方法 | 第19页 |
| 2.2.1 深度学习的基本思想 | 第19页 |
| 2.2.2 深度学习的训练方法 | 第19页 |
| 2.3 深度学习相关技术 | 第19-23页 |
| 2.3.1 人工神经网络 | 第19-22页 |
| 2.3.2 BP神经网络 | 第22-23页 |
| 2.4 深度学习的常见模型 | 第23-30页 |
| 2.4.1 深度置信网络 | 第24-25页 |
| 2.4.2 限制性玻尔兹曼机 | 第25-27页 |
| 2.4.3 卷积神经网络 | 第27-28页 |
| 2.4.4 稀疏编码 | 第28-29页 |
| 2.4.5 自动编码机 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于卷积神经网络的储粮害虫图像分类 | 第31-43页 |
| 3.1 粮虫图片采集与数据集预处理 | 第31-35页 |
| 3.1.1 粮虫图片采集 | 第31-32页 |
| 3.1.2 数据集预处理 | 第32-35页 |
| 3.2 基于卷积神经网络的储粮害虫图像分类 | 第35-39页 |
| 3.2.1 卷积神经网络的网络结构 | 第35-36页 |
| 3.2.2 激活函数的设计 | 第36-37页 |
| 3.2.3 分类器的设计 | 第37-38页 |
| 3.2.4 卷积神经网络模型搭建 | 第38-39页 |
| 3.3 实验环境 | 第39-40页 |
| 3.4 实验结果与分析 | 第40-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 改进的卷积神经网络储粮害虫图像分类 | 第43-53页 |
| 4.1 卷积神经网络模型的改进 | 第43-46页 |
| 4.1.1 ELU激活函数引入 | 第43-44页 |
| 4.1.2 Dropout技术引入 | 第44-45页 |
| 4.1.3 卷积神经网络模型的改进 | 第45-46页 |
| 4.2 实验结果与分析 | 第46-51页 |
| 4.3 本章小结 | 第51-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 工作总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-61页 |
| 作者简历及攻读硕士学位期间发表论文目录 | 第61页 |
