基于卷积神经网络的图像精细识别研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11页 |
| 1.2 深度学习理论 | 第11-13页 |
| 1.3 卷积神经网络研究现状 | 第13-14页 |
| 1.4 图像识别研究现状 | 第14-15页 |
| 1.5 论文所做工作及组织结构 | 第15-17页 |
| 1.5.1 论文所做工作 | 第15页 |
| 1.5.2 论文组织结构 | 第15-17页 |
| 第二章 卷积神经网络相关基础知识 | 第17-33页 |
| 2.1 神经元 | 第17-19页 |
| 2.2 感知机 | 第19-21页 |
| 2.3 卷积神经网络结构 | 第21-28页 |
| 2.3.1 卷积层 | 第22-24页 |
| 2.3.2 池化层 | 第24-25页 |
| 2.3.3 全连接层 | 第25-28页 |
| 2.4 卷积神经网络模型 | 第28-31页 |
| 2.4.1 LeNet-5模型 | 第28-29页 |
| 2.4.2 AlexNet模型 | 第29-30页 |
| 2.4.3 VGGNet模型 | 第30-31页 |
| 2.5 卷积神经网络优点和缺陷分析 | 第31-32页 |
| 2.6 本章小结 | 第32-33页 |
| 第三章 基于改进的卷积神经网络的图像精细识别 | 第33-46页 |
| 3.1 细粒度识别 | 第33页 |
| 3.2 精细数据库 | 第33-37页 |
| 3.2.1 MNIST | 第34-35页 |
| 3.2.2 Ecuador Costa rica | 第35-37页 |
| 3.3 变换图像 | 第37-39页 |
| 3.4 训练算法 | 第39-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 实验及结果分析 | 第46-51页 |
| 4.1 实验设置 | 第46-49页 |
| 4.2 实验结果分析 | 第49-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间研究成果 | 第57-58页 |
| 致谢 | 第58-59页 |
