| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第15-29页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 研究现状 | 第16-26页 |
| 1.2.1 图像分类任务方法概述 | 第16-17页 |
| 1.2.2 卷积神经网络模型发展现状 | 第17-26页 |
| 1.3 卷积神经网络处理图像分类存在的问题 | 第26页 |
| 1.4 研究内容与组织结构 | 第26-29页 |
| 1.4.1 本文主要研究内容 | 第26-28页 |
| 1.4.2 本文组织结构 | 第28-29页 |
| 2 基于上下文感知卷积网络的图像像素分类 | 第29-47页 |
| 2.1 引言 | 第29-31页 |
| 2.2 图像像素分类相关工作 | 第31-33页 |
| 2.3 上下文感知模型构建 | 第33-39页 |
| 2.3.1 传统局部卷积核 | 第33-34页 |
| 2.3.2 感受野扩大化的非局部卷积核 | 第34-36页 |
| 2.3.3 上下文感知多尺度卷积模块 | 第36-37页 |
| 2.3.4 上下文感知非局部卷积神经网络 | 第37-39页 |
| 2.4 实验结果及分析 | 第39-45页 |
| 2.4.1 实验配置及神经网络初始化 | 第39-40页 |
| 2.4.2 网络结构及超参数对比分析 | 第40-41页 |
| 2.4.3 Weizmann Horse数据集实验结果分析 | 第41-42页 |
| 2.4.4 Graz数据集实验结果分析 | 第42-44页 |
| 2.4.5 PASCAL数据集实验结果分析 | 第44-45页 |
| 2.5 本章小结 | 第45-47页 |
| 3 基于谱段差异分段卷积网络的高光谱图像分类 | 第47-61页 |
| 3.1 引言 | 第47-49页 |
| 3.2 基于光谱像素谱段信息的高光谱图像分类相关工作 | 第49-50页 |
| 3.3 谱段差异感知卷积网络模型搭建 | 第50-55页 |
| 3.3.1 谱段相关性分组方法 | 第50-52页 |
| 3.3.2 谱段差异感知神经网络的结构设计 | 第52-54页 |
| 3.3.3 谱段差异感知神经网络的训练 | 第54-55页 |
| 3.4 谱段差异分组HSI分类实验结果及分析 | 第55-59页 |
| 3.4.1 公开数据集的简介 | 第55-56页 |
| 3.4.2 Indian Pines数据集实验结果及分析 | 第56-57页 |
| 3.4.3 University of Pavia数据集实验结果及分析 | 第57-59页 |
| 3.5 本章小结 | 第59-61页 |
| 4 基于空域组合像素对特征的卷积网络高光谱图像分类 | 第61-85页 |
| 4.1 引言 | 第61-63页 |
| 4.2 基于空域信息的高光谱图像分类相关工作 | 第63-65页 |
| 4.3 空域像素对特征及分类框架设计 | 第65-69页 |
| 4.3.1 原始光谱像素特征分析 | 第66页 |
| 4.3.2 原始光谱像素块特征分析 | 第66-67页 |
| 4.3.3 像素对特征分析 | 第67-68页 |
| 4.3.4 空域组合像素对特征设计 | 第68页 |
| 4.3.5 基于空域组合像素对特征的多通道分类框架设计 | 第68-69页 |
| 4.4 实验结果与讨论 | 第69-83页 |
| 4.4.1 公开数据集简介 | 第70页 |
| 4.4.2 多通道卷积网络模型设置与训练 | 第70-72页 |
| 4.4.3 神经网络超参数配置与实验分析 | 第72-75页 |
| 4.4.4 各数据集分类结果及分析 | 第75-81页 |
| 4.4.5 组合特征可拓展性分析 | 第81-83页 |
| 4.5 本章小结 | 第83-85页 |
| 5 基于批归一化卷积神经网络的全景图像分类 | 第85-105页 |
| 5.1 引言 | 第85-87页 |
| 5.2 全景相机及深度学习方法在视觉导航应用中的相关工作 | 第87-89页 |
| 5.3 视觉导航任务中的批归一化网络模型设计 | 第89-91页 |
| 5.3.1 用分类方法处理导航任务的问题转化 | 第90页 |
| 5.3.2 导航方向预测网络的配置及训练 | 第90-91页 |
| 5.4 自建Spherical-Navi数据库的构建 | 第91-96页 |
| 5.4.1 全景图像数据特性分析 | 第93页 |
| 5.4.2 全景图像数据获取 | 第93-94页 |
| 5.4.3 全景图像关键帧采集及噪声图像筛选 | 第94页 |
| 5.4.4 全景图像用于导航的多方向样本标签生成 | 第94-96页 |
| 5.5 实验结果与分析 | 第96-102页 |
| 5.5.1 全景图像中心干扰像素剔除 | 第96页 |
| 5.5.2 导航预测神经网络搭建及训练 | 第96-97页 |
| 5.5.3 Spherical-Navi数据集实验结果分析 | 第97-98页 |
| 5.5.4 方向预测模拟及真实实验分析 | 第98-102页 |
| 5.6 本章小结 | 第102-105页 |
| 6 总结和展望 | 第105-109页 |
| 6.1 本文工作总结 | 第105-106页 |
| 6.2 未来工作展望 | 第106-109页 |
| 参考文献 | 第109-125页 |
| 致谢 | 第125-127页 |
| 攻读博士学位期间发表的学术论文 | 第127-129页 |
| 攻读博士学位期间参加的科研项目 | 第129-130页 |
广告服务 
