卷积神经网络在图像分类中的研究与应用
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 图像识别研究现状 | 第10-12页 |
| 1.2.2 卷积神经网络研究现状 | 第12-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 论文结构安排 | 第14-15页 |
| 第二章 相关方法概述 | 第15-25页 |
| 2.1 反向传播算法 | 第15-17页 |
| 2.2 卷积神经网络 | 第17-24页 |
| 2.2.1 局部感知与权值共享 | 第18页 |
| 2.2.2 卷积层 | 第18-21页 |
| 2.2.3 亚采样层 | 第21-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第三章 卷积神经网络训练样本选择方法 | 第25-36页 |
| 3.1 样本选择 | 第25-26页 |
| 3.1.1 样本选择概念 | 第25页 |
| 3.1.2 样本选择研究现状 | 第25-26页 |
| 3.2 余弦相似度 | 第26-28页 |
| 3.2.1 相关定义和推理 | 第26-27页 |
| 3.2.2 余弦相似度与欧式距离区别 | 第27-28页 |
| 3.3 基于余弦相似度的训练样本选择方法 | 第28-30页 |
| 3.3.1 边界样本概念 | 第28页 |
| 3.3.2 向量单位化 | 第28-29页 |
| 3.3.3 样本选择算法描述 | 第29-30页 |
| 3.4 实验与分析 | 第30-34页 |
| 3.4.1 MNIST数据集 | 第31-32页 |
| 3.4.2 CIFAR10数据集 | 第32-33页 |
| 3.4.3 SVHN数据集 | 第33-34页 |
| 3.4.4 分析讨论 | 第34页 |
| 3.5 本章小结 | 第34-36页 |
| 第四章 基于卷积神经网络的人脸识别方法 | 第36-46页 |
| 4.1 ORL人脸数据集 | 第36-37页 |
| 4.2 算法提出动机 | 第37-38页 |
| 4.3 算法详细设计 | 第38-43页 |
| 4.3.1 数据预处理 | 第38页 |
| 4.3.2 卷积核大小选择 | 第38-39页 |
| 4.3.3 网络基本结构 | 第39-40页 |
| 4.3.4 C3层卷积核个数选择 | 第40-41页 |
| 4.3.5 C1层卷积核个数选择 | 第41-42页 |
| 4.3.6 学习率选择 | 第42-43页 |
| 4.4 实验与分析 | 第43-45页 |
| 4.4.1 卷积特征可视化 | 第43-44页 |
| 4.4.2 误差曲线 | 第44页 |
| 4.4.3 对比实验 | 第44-45页 |
| 4.4.4 分析讨论 | 第45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 工作总结与展望 | 第46-48页 |
| 5.1 总结 | 第46-47页 |
| 5.2 展望 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 作者简介 | 第53页 |
