|
|
|
基于深度学习的细粒度图像分类研究 |
|
论文目录 |
|
摘要 | 第4-5页 | ABSTRACT | 第5-6页 | 第1章 绪论 | 第9-20页 | 1.1 课题背景及研究目的和意义 | 第9-11页 | 1.1.1 课题背景 | 第9-10页 | 1.1.2 研究目的及意义 | 第10-11页 | 1.2 细粒度图像分类相关工作的研究概况 | 第11-17页 | 1.2.1 人工设计特征方法的研究现状 | 第12-13页 | 1.2.2 强监督深度学习方法的研究现状 | 第13-15页 | 1.2.3 弱监督深度学习方法的研究现状 | 第15-17页 | 1.3 细粒度图像分类存在的问题 | 第17-18页 | 1.4 本文主要研究内容及组织结构 | 第18-20页 | 第2章 细粒度图像分类相关理论基础 | 第20-33页 | 2.1 卷积神经网络 | 第20-29页 | 2.1.1 模型构成 | 第20-26页 | 2.1.2 感受野 | 第26-29页 | 2.2 细粒度图像数据集及数据增强 | 第29-32页 | 2.2.1 细粒度图像数据集 | 第29-30页 | 2.2.2 mixup数据增强方法 | 第30-31页 | 2.2.3 细粒度图像分类基准结果 | 第31-32页 | 2.3 本章小结 | 第32-33页 | 第3章 基于物体显著图的弱监督细粒度图像分类 | 第33-45页 | 3.1 物体显著图 | 第33-37页 | 3.1.1 基于模型注意力的物体显著图 | 第34-36页 | 3.1.2 显著图实验结果 | 第36-37页 | 3.2 图像判别力区域提取 | 第37-39页 | 3.3 模型整体框架 | 第39页 | 3.4 细粒度图像分类实验结果 | 第39-44页 | 3.4.1 实验设置 | 第39-40页 | 3.4.2 单一尺度模型的分类结果 | 第40-42页 | 3.4.3 多尺度模型的分类结果 | 第42-43页 | 3.4.4 不同方法分类结果 | 第43-44页 | 3.5 本章小结 | 第44-45页 | 第4章 基于自适应图像变换的弱监督细粒度图像分类 | 第45-56页 | 4.1 图像变换 | 第45-48页 | 4.1.1 仿射变换 | 第45-47页 | 4.1.2 图像插值 | 第47-48页 | 4.2 模型结构 | 第48-53页 | 4.2.1 空间变换层 | 第49-50页 | 4.2.2 多尺度空间变换模型框架 | 第50-52页 | 4.2.3 损失函数 | 第52-53页 | 4.3 实验结果与分析 | 第53-55页 | 4.3.1 实验设置 | 第53页 | 4.3.2 准确率结果 | 第53-54页 | 4.3.3 方法速度对比 | 第54-55页 | 4.4 本章小结 | 第55-56页 | 结论 | 第56-57页 | 参考文献 | 第57-62页 | 攻读硕士学位期间发表的论文及其他成果 | 第62-64页 | 致谢 | 第64页 |
|
|
|
|
论文编号BS3909794,这篇论文共64页 会员购买按0.35元/页下载,共需支付22.4元。 直接购买按0.5元/页下载,共需要支付32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。 |
|
|