|
|
|
基于注意力机制的细粒度图像分类方法研究 |
|
论文目录 |
|
摘要 | 第4-5页 | abstract | 第5-6页 | 1 绪论 | 第9-16页 | 1.1 细粒度图像分类的研究背景 | 第9-10页 | 1.2 研究意义 | 第10页 | 1.3 国内外研究现状 | 第10-14页 | 1.4 论文研究内容 | 第14页 | 1.5 论文组织及结构 | 第14-16页 | 2 细粒度图像分类算法理论基础 | 第16-31页 | 2.1 前馈神经网络 | 第16-22页 | 2.1.1 单层神经网络 | 第16-17页 | 2.1.2 多层神经网络 | 第17-19页 | 2.1.3 反向传播 | 第19-22页 | 2.2 卷积神经网络 | 第22-29页 | 2.2.1 卷积神经网络的结构 | 第23-24页 | 2.2.2 卷积神经网络的组成 | 第24-28页 | 2.2.3 卷积特征 | 第28-29页 | 2.2.4 卷积神经网络的训练方法 | 第29页 | 2.3 注意力机制 | 第29-30页 | 2.4 本章小结 | 第30-31页 | 3 基于注意力机制的细粒度图像分类算法设计与实现 | 第31-46页 | 3.1 基准网络框架 | 第31-35页 | 3.1.1 VGG16 网络 | 第31-32页 | 3.1.2 双线性CNN | 第32-35页 | 3.2 注意力网络 | 第35-36页 | 3.3 基于注意力机制的双线性细粒度图像分类算法 | 第36-41页 | 3.3.1 注意力网络的引入 | 第36-39页 | 3.3.2 注意力网络的改进 | 第39-41页 | 3.4 视觉效果对比 | 第41-45页 | 3.5 本章小结 | 第45-46页 | 4 实验结果及分析 | 第46-57页 | 4.1 实验平台介绍 | 第46-48页 | 4.1.1 实验环境介绍 | 第46页 | 4.1.2 数据集介绍 | 第46-48页 | 4.1.3 评价指标 | 第48页 | 4.2 数据预处理 | 第48-49页 | 4.3 损失函数 | 第49页 | 4.4 模型的训练策略 | 第49-51页 | 4.5 实验结果及分析 | 第51-56页 | 4.5.1 CUB-200 鸟类数据库实验结果 | 第51-55页 | 4.5.2 FGVC-aircraft飞机数据库分类结果 | 第55页 | 4.5.3 Car-196 汽车数据库分类结果 | 第55-56页 | 4.6 本章小结 | 第56-57页 | 5 总结与展望 | 第57-59页 | 5.1 本文工作总结 | 第57-58页 | 5.2 后续工作展望 | 第58-59页 | 参考文献 | 第59-62页 | 作者简介 | 第62-63页 | 致谢 | 第63页 |
|
|
|
|
论文编号BS4392266,这篇论文共63页 会员购买按0.35元/页下载,共需支付22.05元。 直接购买按0.5元/页下载,共需要支付31.5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。 |
|
|