| 摘要 | 第9-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 鱼类表型特征国内外研究现状 | 第14-16页 |
| 1.2.1 识别分类 | 第14-15页 |
| 1.2.2 疾病诊断 | 第15-16页 |
| 1.3 存在问题 | 第16-17页 |
| 1.4 主要研究内容和组织结构 | 第17-19页 |
| 1.4.1 主要研究内容 | 第17-18页 |
| 1.4.2 本文组织结构 | 第18-19页 |
| 1.5 本章小结 | 第19-21页 |
| 第二章 人工神经网络与卷积神经网络 | 第21-31页 |
| 2.1 人工神经网络 | 第21-25页 |
| 2.1.1 基本神经元 | 第21-23页 |
| 2.1.2 感知机模型 | 第23-24页 |
| 2.1.4 反向传播算法 | 第24-25页 |
| 2.2 卷积神经网络 | 第25-28页 |
| 2.2.1 稀疏连接和权值共享 | 第25-26页 |
| 2.2.2 卷积神经网络拓扑结构 | 第26-28页 |
| 2.3 公开数据集及其模型介绍 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第三章 基于卷积神经网络和手工特征提取的侧线鳞识别 | 第31-51页 |
| 3.1 前言 | 第31页 |
| 3.2 侧线鳞图像样本采集 | 第31-35页 |
| 3.2.1 图像采集 | 第31-33页 |
| 3.2.2 样本采集 | 第33-35页 |
| 3.3 基于卷积神经网络的侧线鳞识别 | 第35-41页 |
| 3.3.1 侧线鳞识别网络结构 | 第35-37页 |
| 3.3.2 不同样本集下实验及其结果分析 | 第37-41页 |
| 3.4 基于手工特征提取的侧线鳞识别 | 第41-50页 |
| 3.4.1 图像灰度化预处理 | 第41页 |
| 3.4.2 图像特征提取 | 第41-46页 |
| 3.4.3 实验及其结果分析 | 第46-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 小样本下的侧线鳞识别处理策略研究 | 第51-71页 |
| 4.1 前言 | 第51-52页 |
| 4.2 网络结构调整 | 第52-59页 |
| 4.2.1 Batch Size调整及其实验结果分析 | 第52-56页 |
| 4.2.2 Kernel Size调整及其实验结果分析 | 第56-58页 |
| 4.2.3 实验小节 | 第58-59页 |
| 4.3 样本扩充 | 第59-67页 |
| 4.3.1 基于加噪和几何变换的虚拟样本扩充 | 第59-62页 |
| 4.3.2 基于主动学习采样策略的样本扩充 | 第62-67页 |
| 4.3.3 实验小结 | 第67页 |
| 4.4 侧线拟合 | 第67-69页 |
| 4.4.1 SVR回归算法 | 第68-69页 |
| 4.4.2 侧线拟合实验 | 第69页 |
| 4.5 本章小结 | 第69-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 总结 | 第71-72页 |
| 5.2 展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 攻读硕士学位期间科研成果 | 第79-81页 |
| 致谢 | 第81页 |
