|
|
|
基于物体部件模型的细粒度图像识别 |
|
论文目录 |
|
摘要 | 第4-6页 | Abstract | 第6-7页 | 第一章 绪论 | 第10-15页 | 1.1 研究背景和意义 | 第10-11页 | 1.2 国内外现状 | 第11-13页 | 1.3 本文涉及内容及章节安排 | 第13-14页 | 1.4 本章总结 | 第14-15页 | 第二章 图像分类的相关研究方法 | 第15-35页 | 2.1 卷积神经网络的图像分类方法 | 第15-24页 | 2.1.1 卷积神经网络的基本概念 | 第15-16页 | 2.1.2 卷积神经网络的原理 | 第16-21页 | 2.1.3 卷积神经网络的网络结构 | 第21-23页 | 2.1.4 基于卷积神经网络的细粒度图像识别 | 第23-24页 | 2.2 selective search方法实现物体识别 | 第24-28页 | 2.2.1 区域合并算法 | 第25-26页 | 2.2.2 多样性策略 | 第26-27页 | 2.2.3 选择性搜索进行物体识别 | 第27-28页 | 2.3 谱聚类 | 第28-34页 | 2.3.1 谱聚类与图划分问题 | 第29-31页 | 2.3.2 谱聚类的相关概念 | 第31-33页 | 2.3.3 谱聚类的算法框架 | 第33-34页 | 2.4 本章小结 | 第34-35页 | 第三章 物体定位模型 | 第35-44页 | 3.1 卷积神经网络可视化分析 | 第36-37页 | 3.2 物体定位模型在物体定位上的研究思路 | 第37-40页 | 3.2.1 卷积层特征叠加图的获得 | 第37-39页 | 3.2.2 获得Mask map最大连通区域 | 第39页 | 3.2.3 算法流程 | 第39-40页 | 3.3 物体定位模型的实验分析 | 第40-43页 | 3.3.1 物体定位评估标准 | 第40-41页 | 3.3.2 物体定位实验结果 | 第41-42页 | 3.3.3 物体定位模型分类结果 | 第42-43页 | 3.4 本章小结 | 第43-44页 | 第四章 基于谱聚类的部件选择模型 | 第44-51页 | 4.1 部件选择模型的算法流程 | 第44-48页 | 4.1.1 用Selective search方法来提取图像块 | 第44-45页 | 4.1.2 用FilterNet筛选图像块 | 第45-46页 | 4.1.3 部件检测器的构建 | 第46-47页 | 4.1.4 算法流程 | 第47-48页 | 4.2 部件选择模型实验结果分析 | 第48-50页 | 4.2.1 部件选择模型部件定位结果 | 第48-49页 | 4.2.2 部件选择模型图片分类结果 | 第49-50页 | 4.3 本章小结 | 第50-51页 | 第五章 算法流程及相关工作 | 第51-56页 | 5.1 整个算法的框架和流程 | 第51-52页 | 5.2 实验结果分析 | 第52-55页 | 5.2.1 图像的预处理 | 第52-53页 | 5.2.2 实验平台 | 第53页 | 5.2.3 实验参数 | 第53页 | 5.2.4 实验结果分析 | 第53-55页 | 5.3 特征表示的选择 | 第55页 | 5.4 本章小结 | 第55-56页 | 第六章 总结和展望 | 第56-58页 | 6.1 总结 | 第56页 | 6.2 问题和展望 | 第56-58页 | 参考文献 | 第58-62页 | 致谢 | 第62页 |
|
|
|
|
论文编号BS3563444,这篇论文共62页 会员购买按0.35元/页下载,共需支付21.7元。 直接购买按0.5元/页下载,共需要支付31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。 |
|
|