| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 深度卷积神经网络研究现状 | 第10-11页 |
| 1.2.2 权值初始化方法研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12页 |
| 1.4 文章组织结构 | 第12-15页 |
| 第2章 卷积神经网络 | 第15-27页 |
| 2.1 卷积神经网络概述 | 第15-16页 |
| 2.2 卷积神经网络相关运算 | 第16-25页 |
| 2.2.1 前向传播 | 第16-19页 |
| 2.2.2 反向传播 | 第19-21页 |
| 2.2.3 梯度下降 | 第21-23页 |
| 2.2.4 归一化 | 第23-24页 |
| 2.2.5 Dropout技术 | 第24-25页 |
| 2.3 小结 | 第25-27页 |
| 第3章 一种改进的权值初始化方法 | 第27-39页 |
| 3.1 非监督预训练 | 第27-28页 |
| 3.2 视觉显著性模型 | 第28-29页 |
| 3.3 基于视觉显著性和非监督预训练的权值初始化方法 | 第29-30页 |
| 3.4 实验结果与分析 | 第30-37页 |
| 3.4.1 基于Caltech101数据集 | 第30-33页 |
| 3.4.2 基于CIFAR-10数据集 | 第33-37页 |
| 3.5 小结 | 第37-39页 |
| 第4章 用于羽绒图像识别的深度卷积神经网络 | 第39-51页 |
| 4.1 常用的卷积神经网络模型 | 第39-43页 |
| 4.1.1 LeNet-5网络 | 第39-40页 |
| 4.1.2 深度卷积神经网络模型 | 第40-43页 |
| 4.2 用于羽绒图像识别的深度卷积神经网络 | 第43-46页 |
| 4.3 羽绒图像识别实验结果与分析 | 第46-50页 |
| 4.3.1 羽绒数据集 | 第46-47页 |
| 4.3.2 实验结果与分析 | 第47-50页 |
| 4.4 小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间取得的科研成果 | 第58页 |