| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.2 卷积神经网络研究现状 | 第9-11页 |
| 1.3 主要研究工作 | 第11页 |
| 1.4 论文的组织结构 | 第11-13页 |
| 第2章 卷积神经网络理论基础 | 第13-22页 |
| 2.1 人工神经网络 | 第13-18页 |
| 2.1.1 感知器 | 第13-14页 |
| 2.1.2 BP神经网络 | 第14-15页 |
| 2.1.3 前向计算过程 | 第15-16页 |
| 2.1.4 误差反向传播过程 | 第16-18页 |
| 2.2 卷积神经网络 | 第18-21页 |
| 2.2.1 卷积神经网络的工作原理 | 第18页 |
| 2.2.2 卷积神经网络的基本结构 | 第18-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 基于多尺度卷积网络和并行交叉网络的设计研究 | 第22-35页 |
| 3.1 Caffe深度学习框架简介 | 第22页 |
| 3.2 基于MyNet网络的提出与设计 | 第22-27页 |
| 3.2.1 MyNet网络的结构设计 | 第22-24页 |
| 3.2.2 MyNet网络的训练与实验过程 | 第24-27页 |
| 3.3 基于多尺度卷积网络的设计研究 | 第27-30页 |
| 3.3.1 多尺度卷积网络的结构设计 | 第27-28页 |
| 3.3.2 多尺度卷积网络的训练与实验结果 | 第28-30页 |
| 3.4 基于并行交叉网络的设计研究 | 第30-33页 |
| 3.4.1 并行交叉网络的结构设计 | 第30-31页 |
| 3.4.2 并行交叉网络的训练与实验过程 | 第31-33页 |
| 3.5 不同网络模型的实验结果对比分析 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第4章 基于级联与融合的轻量型卷积网络设计研究 | 第35-47页 |
| 4.1 AlexNet网络结构分析 | 第35-36页 |
| 4.2 SqueezeNet网络结构分析 | 第36-38页 |
| 4.3 基于级联与融合的轻量型网络设计研究 | 第38-41页 |
| 4.3.1 轻量型级联网络的结构设置与分析 | 第40页 |
| 4.3.2 轻量型融合网络的结构设置与分析 | 第40-41页 |
| 4.4 网络模型的训练与实验结果分析 | 第41-46页 |
| 4.4.1 网络模型训练 | 第41-44页 |
| 4.4.2 实验结果分析 | 第44-46页 |
| 4.4.3 轻量型网络的优缺点分析 | 第46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 基于超轻量卷积神经网络的设计研究 | 第47-58页 |
| 5.1 瓶颈结构 | 第47-48页 |
| 5.2 深度可分解与分组卷积结构 | 第48-49页 |
| 5.3 残差学习 | 第49-50页 |
| 5.4 超轻量网络模型的设计 | 第50-53页 |
| 5.4.1 超轻量模块分析与介绍 | 第50-51页 |
| 5.4.2 超轻量网络整体结构 | 第51-53页 |
| 5.5 超轻量网络的训练与实验结果分析 | 第53-57页 |
| 5.5.1 超轻量网络的训练 | 第53-55页 |
| 5.5.2 超轻量网络实验结果分析 | 第55页 |
| 5.5.3 改进模型和其他方法对比 | 第55-57页 |
| 5.5.4 超轻量网络的优缺点分析 | 第57页 |
| 5.6 本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的论文 | 第64-65页 |
| 致谢 | 第65-66页 |