基于卷积神经网络的图像分类方法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序言 | 第9-12页 |
| 1 引言 | 第12-24页 |
| 1.1 课题研究背景与研究意义 | 第12-13页 |
| 1.2 图像分类的研究现状及难点 | 第13-20页 |
| 1.2.1 基于传统研究方法的图像分类 | 第14-19页 |
| 1.2.2 基于深度学习研究方法的图像分类 | 第19-20页 |
| 1.3 面向文化事件的图像分类研究的内容及难点 | 第20-22页 |
| 1.3.1 面向文化事件的图像分类研究的内容 | 第21页 |
| 1.3.2 面向文化事件的图像分类研究的难点 | 第21-22页 |
| 1.4 论文的主要内容及结构安排 | 第22-23页 |
| 1.5 本章小结 | 第23-24页 |
| 2 基于卷积神经网络的图像分类方法概述 | 第24-33页 |
| 2.1 卷积神经网络的原理 | 第24-26页 |
| 2.2 卷积神经网络的结构 | 第26-29页 |
| 2.3 卷积神经网络的求解 | 第29-31页 |
| 2.4 卷积神经网络的训练过程 | 第31页 |
| 2.5 卷积神经网络的优缺点 | 第31-32页 |
| 2.6 本章小结 | 第32-33页 |
| 3 基于卷积神经网络的文化事件分类系统设计 | 第33-43页 |
| 3.1 建立传统民俗文化节日事件数据库 | 第33-35页 |
| 3.2 传统民俗文化节日事件分类系统结构 | 第35-36页 |
| 3.3 基于卷积神经网络的文化事件分类模型设计 | 第36-42页 |
| 3.3.1 目标识别网络模型设计 | 第37-39页 |
| 3.3.2 场景识别网络模型设计 | 第39-41页 |
| 3.3.3 数据增强 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 4 基于卷积神经网络的文化事件分类实现 | 第43-56页 |
| 4.1 实验评价指标 | 第43页 |
| 4.2 目标识别网络模型实验 | 第43-46页 |
| 4.2.1 目标识别网络参数调整 | 第43-44页 |
| 4.2.2 实验结果与分析 | 第44-46页 |
| 4.3 场景识别网络模型实验 | 第46-48页 |
| 4.3.1 场景识别网络参数调整 | 第46页 |
| 4.3.2 实验结果与分析 | 第46-48页 |
| 4.4 不同深层网络模型融合实验 | 第48-52页 |
| 4.4.1 融合策略 | 第49页 |
| 4.4.2 实验结果与分析 | 第49-52页 |
| 4.5 相同深层网络模型融合实验 | 第52-54页 |
| 4.5.1 融合策略 | 第52页 |
| 4.5.2 实验结果与分析 | 第52-54页 |
| 4.6 实验总结 | 第54-55页 |
| 4.7 本章小结 | 第55-56页 |
| 5 总结与展望 | 第56-59页 |
| 5.1 工作总结 | 第56-57页 |
| 5.2 工作展望 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第62-64页 |
| 学位论文数据集 | 第64页 |
