第一个书签之前
摘 要
Abstract
第一章 引言
1.1 研究背景及意义
1.2 卷积神经网络国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 本文的研究内容
1.4 本文的组织结构
第二章 相关技术概述
2.1 CNN识别原理
2.2 CNN特征提取
2.2.1 卷积层
2.2.2 降采样层
2.2.3 全连接层
2.3 Caffe深度学习框架的概述及搭建
2.3.1 Caffe深度学习框架的基本介绍
2.3.2 Caffe深度学习框架的特征
2.3.3 Caffe框架搭建所需要的软件
2.3.4 Caffe框架安装步骤
2.4 本章小结
第三章 基于特征整合的VGGNet-CNN草地分类研究
3.1 数据集
3.1.1 研究区域
3.1.2 数据集
3.2 数据预处理
3.3.1 特征选择
3.3.2 双线性整合
3.4 实验设计
3.5 实验结果与分析
3.6 本章小结
第四章 基于改进LeNet-5卷积神经网络交通标志的识别
4.1 相关研究
4.2 LeNet-5网络模型概述
4.3 对卷积神经网络LeNet-5的改进
4.4 实验与分析
4.4.1 实验数据
4.4.2 实验平台
4.4.3 实验结果与分析
4.5 本章小结
第五章 结语与展望
5.1 总结
5.2 展望
参考文献
在校期间发表论文情况
致 谢
学位论文独创性声明
学位论文知识产权权属声明
