|
|
|
|
基于卷积神经网络的语义分割算法研究 |
| |
| 论文目录 |
| |
| 摘要 | 第5-6页 | | abstract | 第6-7页 | | 第1章 绪论 | 第10-16页 | | 1.1 论文研究背景和意义 | 第10-11页 | | 1.2 国内外研究现状及发展趋势 | 第11-15页 | | 1.2.1 卷积神经网络的研究现状 | 第11-13页 | | 1.2.2 语义分割算法的研究现状 | 第13-14页 | | 1.2.3 目标检测算法的研究现状 | 第14-15页 | | 1.3 论文研究内容及章节安排 | 第15-16页 | | 第2章 卷积神经网络基础理论 | 第16-26页 | | 2.1 卷积神经网络基础理论 | 第16-23页 | | 2.1.1 卷积层 | 第16-19页 | | 2.1.2 池化层 | 第19-20页 | | 2.1.3 全连接层 | 第20页 | | 2.1.4 输出层 | 第20-21页 | | 2.1.5 反向传播和梯度下降 | 第21-23页 | | 2.2 卷积神经网络的特点 | 第23-24页 | | 2.3 全卷积神经网络基础理论 | 第24-25页 | | 2.4 本章小结 | 第25-26页 | | 第3章 基于改进的全卷积神经网络语义分割 | 第26-41页 | | 3.1 语义分割模型综述 | 第26-27页 | | 3.2 语义分割模型中的关键技术 | 第27-31页 | | 3.2.1 编码器 | 第27-28页 | | 3.2.2 解码器 | 第28-30页 | | 3.2.3 迁移学习 | 第30-31页 | | 3.3 改进的基于全卷积网络的语义分割模型 | 第31-34页 | | 3.3.1 算法的结构设计 | 第31-33页 | | 3.3.2 改进的编码器和解码器实现 | 第33-34页 | | 3.4 实验测试与分析 | 第34-40页 | | 3.4.1 算法评价标准 | 第34-35页 | | 3.4.2 数据集的准备 | 第35-37页 | | 3.4.3 实验结果及分析 | 第37-38页 | | 3.4.4 不同场景算法效果展示 | 第38-40页 | | 3.5 本章小结 | 第40-41页 | | 第4章 基于改进的全卷积神经网络多任务分割算法 | 第41-60页 | | 4.1 基于卷积神经网络的物体检测算法 | 第41-46页 | | 4.1.1 物体检测RCNN网络 | 第41-43页 | | 4.1.2 Fast-RCNN及 Faster-RCNN算法 | 第43-46页 | | 4.2 基于改进的全卷积神经网络多任务分割算法 | 第46-50页 | | 4.2.1 改进的模型结构设计 | 第46-49页 | | 4.2.2 深度模型优化算法 | 第49-50页 | | 4.3 实验测试与分析 | 第50-59页 | | 4.3.1 数据集的准备 | 第50-52页 | | 4.3.2 模型训练与测试 | 第52-54页 | | 4.3.3 算法评价标准 | 第54-55页 | | 4.3.4 实验结果及分析 | 第55-58页 | | 4.3.5 实际拍摄室内场景算法效果展示 | 第58-59页 | | 4.4 本章小结 | 第59-60页 | | 结论 | 第60-62页 | | 参考文献 | 第62-67页 | | 攻读硕士学位期间发表的论文和取得的科研成果 | 第67-68页 | | 致谢 | 第68页 |
|
|
|
|
论文编号BS4225848，这篇论文共68页
会员购买按0.35元/页下载，共需支付23.8元。 直接购买按0.5元/页下载，共需要支付34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