抗几何攻击的RGB图像鲁棒水印与基于卷积神经网络的手写数字识别算法
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第7-21页 |
| 1.1 研究背景及意义 | 第7-13页 |
| 1.2 研究现状 | 第13-18页 |
| 1.3 文章主要内容及结构安排 | 第18-19页 |
| 1.4 创新之处 | 第19-20页 |
| 1.5 本章小结 | 第20-21页 |
| 第二章 抗几何攻击的RGB图像鲁棒水印 | 第21-37页 |
| 2.1 水印嵌入 | 第21-23页 |
| 2.2 水印提取 | 第23-24页 |
| 2.3 实验结果与分析 | 第24-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第三章 基于卷积神经网络的手写数字识别 | 第37-58页 |
| 3.1 人工神经网络 | 第37-38页 |
| 3.2 卷积神经网络 | 第38-41页 |
| 3.3 卷积原理 | 第41-42页 |
| 3.4 池化 | 第42-43页 |
| 3.5 全连接层 | 第43-44页 |
| 3.6 LeNet-5卷积神经网络模型 | 第44-45页 |
| 3.7 数据集 | 第45-47页 |
| 3.8 手写数字特征提取 | 第47页 |
| 3.9 实验结果及分析 | 第47-56页 |
| 3.10 本章小结 | 第56-58页 |
| 第四章 总结与展望 | 第58-60页 |
| 4.1 本文工作总结 | 第58页 |
| 4.2 未来的工作展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 硕士期间论文发表情况 | 第64-65页 |
| 致谢 | 第65页 |
