| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题背景和意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-14页 |
| 1.3.1 触觉视觉替代系统的发展和研究现状 | 第10-12页 |
| 1.3.2 卷积神经网络的发展和研究现状 | 第12-14页 |
| 1.4 主要工作与内容安排 | 第14-16页 |
| 第2章 卷积神经网络结构及在图像分类中的应用 | 第16-28页 |
| 2.1 卷积神经网络 | 第16-23页 |
| 2.1.1 卷积神经网络概述 | 第16-17页 |
| 2.1.2 卷积神经网络结构 | 第17-23页 |
| 2.2 经典网络模型LeNet-5 | 第23-24页 |
| 2.3 经典网络模型AlexNet | 第24-25页 |
| 2.4 卷积神经网络在图像分类中的应用 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 盲人触觉替代系统设计 | 第28-34页 |
| 3.1 电触觉的生理基础 | 第28-29页 |
| 3.2 触觉替代系统整体框架 | 第29-32页 |
| 3.2.1 刺激部位及方式 | 第30-31页 |
| 3.2.2 图像采集与处理 | 第31-32页 |
| 3.2.3 触觉产生装置 | 第32页 |
| 3.3 本章小结 | 第32-34页 |
| 第4章 基于LeNet-5改进模型的盲人字符识别方法研究 | 第34-47页 |
| 4.1 手写数字数据库介绍 | 第34-35页 |
| 4.2 策略选择和实验结果对比 | 第35-42页 |
| 4.2.1 池化方法和核大小选择 | 第37-39页 |
| 4.2.2 卷积核个数与大小 | 第39-40页 |
| 4.2.3 网络参数优化算法 | 第40-42页 |
| 4.2.4 各种激活函数选择 | 第42页 |
| 4.3 基于CNN-1改进网络模型识别手写字体 | 第42-45页 |
| 4.4 提取模板图像 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第5章 基于卷积神经网络的盲人图像分类方法研究 | 第47-61页 |
| 5.1 CIFAR-10数据集 | 第47-48页 |
| 5.2 ResNet网络结构及实验 | 第48-50页 |
| 5.2.1 ResNet网络结构及参数配置 | 第48-49页 |
| 5.2.2 实验分析 | 第49-50页 |
| 5.3 利用AlexNet网络训练与测试自己的数据集 | 第50-56页 |
| 5.4 基于CaffeNet网络模型识别目标物体与提取标准模板 | 第56-60页 |
| 5.4.1 目标物体识别 | 第56-59页 |
| 5.4.2 识别结果与标准模板的联系 | 第59-60页 |
| 5.5 本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-64页 |
| 6.1 工作总结 | 第61-62页 |
| 6.2 不足与展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 个人简历 | 第70页 |
