|
|
|
|
基于BoF结合卷积神经网络的图像分类方法研究 |
| |
| 论文目录 |
| |
| 摘要 | 第2-4页 | | Abstract | 第4-5页 | | 第一章 绪论 | 第8-17页 | | 1.1 研究背景及意义 | 第8-9页 | | 1.2 研究现状及主要方法 | 第9-15页 | | 1.2.1 人工设计特征 | 第9-11页 | | 1.2.2 浅层网络 | 第11-14页 | | 1.2.3 深度学习方法 | 第14-15页 | | 1.3 本文研究内容及结构安排 | 第15-17页 | | 第二章 卷积神经网络的基本理论 | 第17-28页 | | 2.1 卷积神经网络 | 第17-21页 | | 2.1.1 卷积层 | 第17-19页 | | 2.1.2 池化层 | 第19页 | | 2.1.3 全连接层 | 第19-20页 | | 2.1.4 分类器 | 第20-21页 | | 2.2 激活函数 | 第21-23页 | | 2.3 优化器 | 第23-24页 | | 2.4 经典DCNN模型 | 第24-27页 | | 2.5 本章小结 | 第27-28页 | | 第三章 改进Softmax结合迁移学习的图像分类方法 | 第28-40页 | | 3.1 引言 | 第28-29页 | | 3.2 软饱和与硬饱和 | 第29页 | | 3.3 迁移学习 | 第29-30页 | | 3.4 过早饱和探究 | 第30-32页 | | 3.5 噪声引入Softmax | 第32-33页 | | 3.6 实验部分 | 第33-37页 | | 3.6.1 数据集介绍 | 第33-34页 | | 3.6.2 采用模型 | 第34-35页 | | 3.6.3 噪声正负探究 | 第35-36页 | | 3.6.4 噪声系数选取 | 第36-37页 | | 3.7 预训练模型应用 | 第37-39页 | | 3.8 本章小结 | 第39-40页 | | 第四章 卷积神经网络结合BoF模型的图像分类方法 | 第40-51页 | | 4.1 引言 | 第40页 | | 4.2 BoF模型 | 第40-41页 | | 4.3 BoF结合深度卷积网络 | 第41-44页 | | 4.3.1 特征提取模块 | 第42页 | | 4.3.2 BoF模块 | 第42-43页 | | 4.3.3 分类模块 | 第43-44页 | | 4.4 训练BoCF模型 | 第44页 | | 4.5 复杂度分析 | 第44-45页 | | 4.6 实验部分 | 第45-46页 | | 4.6.1 实验数据集 | 第45-46页 | | 4.6.2 采用的卷积网络模型 | 第46页 | | 4.7 实验分析 | 第46-50页 | | 4.8 本章小结 | 第50-51页 | | 第五章 总结与展望 | 第51-53页 | | 5.1 总结 | 第51页 | | 5.2 展望 | 第51-53页 | | 参考文献 | 第53-56页 | | 在读期间研究成果 | 第56-57页 | | 致谢 | 第57-58页 |
|
|
|
|
论文编号BS3905788，这篇论文共58页
会员购买按0.35元/页下载，共需支付20.3元。 直接购买按0.5元/页下载，共需要支付29元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务