深度迁移学习算法及其应用研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题背景与研究意义 | 第8-11页 |
| 1.1.1 深度学习的研究现状 | 第9页 |
| 1.1.2 迁移学习的研究现状 | 第9-11页 |
| 1.2 本文的主要工作 | 第11-12页 |
| 1.3 本文的组织与结构 | 第12-13页 |
| 第二章 深度学习及迁移学习 | 第13-31页 |
| 2.1 典型的深度学习模型 | 第13-23页 |
| 2.1.1 多层感知机 | 第13-16页 |
| 2.1.2 卷积神经网络 | 第16-20页 |
| 2.1.3 生成对抗网络 | 第20-21页 |
| 2.1.4 胶囊网络 | 第21-23页 |
| 2.2 深度迁移学习算法 | 第23-30页 |
| 2.2.1 闭集迁移学习算法 | 第23-29页 |
| 2.2.2 开放集迁移学习算法 | 第29-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 基于迭代判别的域自适应算法研究 | 第31-42页 |
| 3.1 基于迭代判别的域自适应算法框架 | 第31-35页 |
| 3.1.1 基于迭代判别域自适应算法的网络结构 | 第32-33页 |
| 3.1.2 基于迭代判别域自适应算法的目标函数 | 第33-34页 |
| 3.1.3 基于迭代判别域自适应算法的训练 | 第34-35页 |
| 3.2 标签的生成及其可能的局限性 | 第35-37页 |
| 3.2.1 伪标签的生成 | 第35-36页 |
| 3.2.2 动态阈值的选择 | 第36页 |
| 3.2.3 弱监督的域自适应 | 第36-37页 |
| 3.2.4 对初始标记的目标域样本的选择 | 第37页 |
| 3.3 实验设置 | 第37页 |
| 3.4 实验结果及分析 | 第37-39页 |
| 3.4.1 基于无监督迁移学习算法的实验结果 | 第37-39页 |
| 3.4.2 基于弱监督迁移学习算法的实验结果 | 第39页 |
| 3.5 消融实验 | 第39-40页 |
| 3.5.1 动态预值vs固定域值 | 第40页 |
| 3.5.2 基于弱监督的初始标记样本数量的选择 | 第40页 |
| 3.6 本章小结 | 第40-42页 |
| 第四章 一种改进的反向传播开放集域自适应算法 | 第42-49页 |
| 4.1 基于反向传播的开放集域自适应的算法框架 | 第42-44页 |
| 4.2 实验设置 | 第44-45页 |
| 4.2.1 数据集及实验数据集设置介绍 | 第44-45页 |
| 4.2.2 实验细节介绍 | 第45页 |
| 4.3 实验结果及分析 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 基于深度迁移学习的自动驾驶视觉导航 | 第49-58页 |
| 5.1 关于sim2real及对应数据集的介绍 | 第49-51页 |
| 5.1.1 sim2real的介绍 | 第49-50页 |
| 5.1.2 关于sim2real的数据集介绍 | 第50-51页 |
| 5.2 模仿学习下的视觉导航系统 | 第51-53页 |
| 5.3 基于迁移学习算法的视觉导航系统 | 第53-56页 |
| 5.3.1 视觉导航系统的网络结构 | 第53-54页 |
| 5.3.2 视觉导航系统的目标函数 | 第54-56页 |
| 5.4 实验结果及分析 | 第56-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 工作总结 | 第58页 |
| 6.2 工作展望 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第65-66页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第66-67页 |
| 致谢 | 第67页 |
