|
|
|
基于深度学习的细粒度图像识别与分割研究 |
|
论文目录 |
|
摘要 | 第6-8页 | Abstract | 第8-9页 | 缩略语表 | 第10-11页 | 1.绪论 | 第11-25页 | 1.1 研究背景与意义 | 第11-12页 | 1.2 相关研究内容综述 | 第12-21页 | 1.2.1 深度学习 | 第13-14页 | 1.2.2 细粒度图像分类 | 第14-18页 | 1.2.3 细粒度图像分割 | 第18-21页 | 1.3 主要工作与技术路线 | 第21-24页 | 1.4 本文结构 | 第24-25页 | 2 细粒度图像数据集 | 第25-30页 | 2.1 细粒度级别Vitis-15图像数据集 | 第25-27页 | 2.2 细粒度级别CUB200-2011图像数据集 | 第27-29页 | 2.3 本章小结 | 第29-30页 | 3 基于迁移学习的细粒度图像识别方法 | 第30-35页 | 3.1 基于支持向量机的细粒度图像识别方法 | 第30-32页 | 3.2 基于迁移学习的细粒度图像识别方法 | 第32-33页 | 3.3 实验结果与分析 | 第33-34页 | 3.4 本章小结 | 第34-35页 | 4 基于多尺度数据融合的细粒度图像识别方法 | 第35-44页 | 4.1 细粒度图像预处理 | 第35页 | 4.2 MS_EAlex Net卷积神经网络 | 第35-38页 | 4.3 实验结果与分析 | 第38-43页 | 4.4 本章小结 | 第43-44页 | 5 基于多尺度破坏重建学习的细粒度图像识别方法 | 第44-53页 | 5.1 基于DCL的细粒度图像检测方法研究 | 第44-46页 | 5.1.1 DCL网络模型 | 第44-46页 | 5.1.2 实验细节 | 第46页 | 5.2 基于MS_DCL的细粒度图像识别方法研究 | 第46-52页 | 5.2.1 多尺度输入DCL | 第47-48页 | 5.2.2 多尺度细节增强DCL | 第48-51页 | 5.2.3 实验结果与分析 | 第51-52页 | 5.3 本章小结 | 第52-53页 | 6 基于Mask Grab Cut的细粒度图像分割方法 | 第53-63页 | 6.1 基于Grab Cut的细粒度图像分割方法研究 | 第53-55页 | 6.1.1 Grab Cut算法 | 第53-55页 | 6.1.2 实验细节 | 第55页 | 6.2 基于Mask R-CNN网络的细粒度图像分割方法研究 | 第55-57页 | 6.2.1 Mask R-CNN网络模型 | 第55-56页 | 6.2.2 实验细节 | 第56-57页 | 6.3 基于Mask Grab Cut的细粒度图像分割方法研究 | 第57-62页 | 6.3.1 实验细节 | 第57-58页 | 6.3.2 实验结果与分析 | 第58-62页 | 6.4 本章小结 | 第62-63页 | 7 总结与展望 | 第63-65页 | 7.1 总结 | 第63-64页 | 7.2 展望 | 第64-65页 | 参考文献 | 第65-73页 | 硕士期间的研究成果 | 第73-74页 | 致谢 | 第74页 |
|
|
|
|
论文编号BS4714258,这篇论文共74页 会员购买按0.35元/页下载,共需支付25.9元。 直接购买按0.5元/页下载,共需要支付37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。 |
|
|