声明
摘要
第1章 绪论
1.1 深度学习的可行性
1.2 卷积网络的发展现状
1.3 遥感目标识别的发展现状
1.4 本文贡献
1.5 论文组织
第2章 卷积网络理论
2.1 前馈神经网络
2.1.1 神经元
2.1.2 激活函数
2.1.3 网络模型
2.1.4 代价函数
2.2 卷积网络
2.2.1 使用卷积的优势
2.2.2 卷积网络中的激活函数
2.2.3 池化
2.2.4 全连接层
2.2.5 卷积网络模型
2.3 模型训练
2.3.1 反向传播
2.3.2 卷积运算的反向传播
2.3.3 池化运算的反向传播
第3章 卷积网络模型的构建与优化
3.2 参数初始化
3.3 卷积层设计
3.3.1 1*1卷积核
3.3.2 Inception
3.3.3 Xception
3.3.4 其它卷积架构
3.4 批规范化
3.5 残差块
3.6 模型训练
3.6.1 小批量
3.6.2 Momentum
3.6.3 RMSprop
3.6.4 Adam
3.7 学习率衰减
3.8 正则化
第4章 优化卷积网络模型的应用
结论
研究成果
研究展望
致谢
参考文献
攻读学位期间取得学术成果