| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 课题研究背景及意义 | 第11-15页 |
| 1.2 研究现状 | 第15-19页 |
| 1.2.1 深度学习的国内外研究现状 | 第15-17页 |
| 1.2.2 水果识别的研究现状 | 第17-19页 |
| 1.3 本文主要研究内容和章节安排 | 第19-21页 |
| 第2章 深度学习 | 第21-36页 |
| 2.1 引言 | 第21页 |
| 2.2 浅层学习和深度学习 | 第21-23页 |
| 2.3 深度学习的基本思想 | 第23-24页 |
| 2.4 深度学习常用方法 | 第24-35页 |
| 2.4.1 卷积神经网络 | 第24-29页 |
| 2.4.1.1 卷积神经网络的网络结构 | 第24-25页 |
| 2.4.1.2 卷积神经网络特性 | 第25-26页 |
| 2.4.1.3 卷积神经网络训练过程 | 第26-29页 |
| 2.4.2 深度信念网络 | 第29-35页 |
| 2.4.2.1 限制玻尔兹曼机模型 | 第29-31页 |
| 2.4.2.2 限制玻尔兹曼机学习算法 | 第31-33页 |
| 2.4.2.3 深度信念网络模型 | 第33-34页 |
| 2.4.2.4 深度信念网络训练过程 | 第34-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 基于卷积神经网络的水果图像识别 | 第36-51页 |
| 3.1 引言 | 第36页 |
| 3.2 数据集构建 | 第36-39页 |
| 3.2.1 图像采集 | 第36-37页 |
| 3.2.2 数据预处理 | 第37-39页 |
| 3.3 卷积神经网络架构 | 第39-41页 |
| 3.4 常用激活函数 | 第41-43页 |
| 3.5 常用下采样方法 | 第43-44页 |
| 3.6 分类方法选择 | 第44-46页 |
| 3.7 实验及结果分析 | 第46-49页 |
| 3.8 性能比较 | 第49-50页 |
| 3.9 本章小结 | 第50-51页 |
| 第4章 基于深度信念网络的水果图像识别 | 第51-61页 |
| 4.1 引言 | 第51页 |
| 4.2 Census变换的基本原理 | 第51-54页 |
| 4.3 基于深度信念网络的原始像素水果图像识别结果及分析 | 第54-57页 |
| 4.4 基于深度信念网络的Census变换后的水果图像识别结果及分析 | 第57-59页 |
| 4.5 性能比较 | 第59页 |
| 4.6 本章小结 | 第59-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |