| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 传统图像识别与分类技术研究现状 | 第12-14页 |
| 1.2.2 深度学习研究现状 | 第14-16页 |
| 1.3 本文研究的主要内容 | 第16页 |
| 1.4 本文内容安排 | 第16-18页 |
| 第二章 图像识别与分类相关基础介绍 | 第18-27页 |
| 2.1 常用图像特征概述 | 第18页 |
| 2.2 卷积神经网络及深度学习简介 | 第18-26页 |
| 2.2.1 卷积神经网络结构 | 第18-19页 |
| 2.2.2 卷积特征 | 第19-22页 |
| 2.2.3 卷积神经网络的模型训练 | 第22-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 基于强监督的细粒度图像识别与分类算法研究 | 第27-43页 |
| 3.1 基于强监督的算法概述 | 第27-30页 |
| 3.2 RCNN基础 | 第30-32页 |
| 3.3 算法介绍 | 第32-37页 |
| 3.3.1 改进的部件RCNN | 第33-35页 |
| 3.3.2 评分函数 | 第35页 |
| 3.3.3 几何约束 | 第35-36页 |
| 3.3.4 对部件检测器的改进 | 第36-37页 |
| 3.4 实验设置与结果分析 | 第37-41页 |
| 3.4.1 实验设置 | 第37-38页 |
| 3.4.2 实验结果分析 | 第38-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第四章 基于弱监督的细粒度图像识别与分类算法研究 | 第43-58页 |
| 4.1 基于弱监督的算法概述 | 第43-46页 |
| 4.1.1 生成对抗网络(Generative Adversarial Net(GAN)) | 第43-45页 |
| 4.1.2 星座模型(Constellationmodel) | 第45-46页 |
| 4.2 双线性模型介绍 | 第46-51页 |
| 4.3 算法介绍 | 第51-52页 |
| 4.3.1 双线性卷积神经网络 | 第51页 |
| 4.3.2 对双线性网络的修改 | 第51-52页 |
| 4.4 实验设置与结果分析 | 第52-56页 |
| 4.4.1 实验设置 | 第52-54页 |
| 4.4.2 实验结果分析 | 第54-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 总结与展望 | 第58-61页 |
| 5.1 论文总结 | 第58-59页 |
| 5.2 研究展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66页 |