基于深度卷积神经网络的图像分类
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 选题背景和研究意义 | 第9-11页 |
| 1.2 研究历史及现状分析 | 第11-14页 |
| 1.3 存在的问题 | 第14-15页 |
| 1.3.1 理论问题 | 第14-15页 |
| 1.3.2 建模问题 | 第15页 |
| 1.4 主要的工作 | 第15-17页 |
| 第二章 卷积神经网络 | 第17-36页 |
| 2.1 人工神经网络 | 第17-20页 |
| 2.1.1 神经元 | 第17-18页 |
| 2.1.2 神经网络 | 第18-19页 |
| 2.1.3 前向传播 | 第19-20页 |
| 2.2 多层感知机 | 第20-23页 |
| 2.2.1 结构 | 第21页 |
| 2.2.2 反向传播 | 第21-23页 |
| 2.3 卷积神经网络 | 第23-33页 |
| 2.3.1 卷积层 | 第24-27页 |
| 2.3.2 池化层 | 第27-28页 |
| 2.3.3 全连接层 | 第28-29页 |
| 2.3.4 训练算法 | 第29-33页 |
| 2.4 MXnet开源工具 | 第33-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 基于VGG改进的卷积网络 | 第36-62页 |
| 3.1 VGG-net简述 | 第36-37页 |
| 3.2 相关工作 | 第37-41页 |
| 3.2.1 激活函数 | 第37-39页 |
| 3.2.2 批次正则化方法 | 第39-40页 |
| 3.2.3 单元屏蔽方法 | 第40-41页 |
| 3.3 实验与分析 | 第41-60页 |
| 3.3.1 实验流程 | 第41-45页 |
| 3.3.2 数据集 | 第45页 |
| 3.3.3 实验环境配置 | 第45-46页 |
| 3.3.4 网络参数调整和优化 | 第46-58页 |
| 3.3.5 对比实验 | 第58-60页 |
| 3.4 本章小结 | 第60-62页 |
| 第四章 基于融合特征的卷积神经网络 | 第62-69页 |
| 4.1 Inception模块 | 第62-65页 |
| 4.2 模型设计 | 第65-66页 |
| 4.3 相关实验 | 第66-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第五章 总结和展望 | 第69-71页 |
| 5.1 论文总结 | 第69页 |
| 5.2 展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 附录(攻读硕士学位期间所发表的学术论文及成果) | 第75页 |
