|
|
|
基于跨域融合的细粒度图像分类模型的研究与应用 |
|
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 | 1.3.1 细粒度图像分类算法 | 第10-13页 | 1.3.2 跨域融合细粒度图像分类算法 | 第13页 | 1.3.3 小样本学习方法 | 第13-14页 | 1.4 论文研究内容 | 第14-15页 | 1.5 论文组织结构 | 第15-16页 | 2 细粒度图像分类算法的背景知识 | 第16-30页 | 2.1 深度学习之卷积神经网络 | 第16-21页 | 2.1.1 卷积神经网络概述 | 第16-17页 | 2.1.2 卷积神经网络原理 | 第17-21页 | 2.2 小样本学习方法之基于度量的元学习 | 第21-25页 | 2.2.1 元学习基本概念 | 第21-22页 | 2.2.2 元学习数据集划分 | 第22-24页 | 2.2.3 元学习模型训练方式 | 第24-25页 | 2.3 自然语言处理之GloVe算法 | 第25-29页 | 2.3.1 自然语言处理算法概述 | 第25-26页 | 2.3.2 共现矩阵 | 第26-27页 | 2.3.3 GloVe算法原理 | 第27-29页 | 2.4 本章小结 | 第29-30页 | 3 基于跨域融合的细粒度图像分类模型 | 第30-41页 | 3.1 基础网络框架 | 第30-35页 | 3.1.1 原型网络 | 第30-33页 | 3.1.2 任务依赖度量网络 | 第33-35页 | 3.2 跨域融合机制 | 第35-38页 | 3.3 跨域融合细粒度图像分类模型 | 第38-40页 | 3.3.1 以原型网络为基础的跨域融合模型 | 第38-39页 | 3.3.2 以任务依赖度量网络为基础的跨域融合模型 | 第39-40页 | 3.4 本章小结 | 第40-41页 | 4 实验结果及分析 | 第41-47页 | 4.1 数据集介绍 | 第41-42页 | 4.2 实验环境介绍 | 第42页 | 4.3 模型训练策略 | 第42-43页 | 4.4 实验结果 | 第43-44页 | 4.5 实验结果分析 | 第44-46页 | 4.5.1 结果对比分析 | 第44页 | 4.5.2 参数分析 | 第44-46页 | 4.6 本章小结 | 第46-47页 | 5 ITCD-TADAM++模型的应用 | 第47-53页 | 5.1 鸟类识别系统总体设计 | 第47页 | 5.2 开发环境 | 第47-48页 | 5.3 鸟类识别系统的设计与实现 | 第48-50页 | 5.4 跨域融合图像分类模型的应用前景分析 | 第50-52页 | 5.5 本章小结 | 第52-53页 | 6 总结与展望 | 第53-55页 | 6.1 本文总结 | 第53页 | 6.2 展望 | 第53-55页 | 参考文献 | 第55-58页 | 作者简介 | 第58-59页 | 致谢 | 第59页 |
|
|
|
|
论文编号BS4734482,这篇论文共59页 会员购买按0.35元/页下载,共需支付20.65元。 直接购买按0.5元/页下载,共需要支付29.5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。 |
|
|