基于通道加权和信息聚合的红枣外观品质分类方法研究

目录

声明

第一章 绪论

1.1 课题研究背景及意义

1.2 国内外研究现状

1.2.1 基于传统图像处理算法的红枣品质分类方法

1.2.2 基于高光谱成像技术的红枣品质分类方法

1.2.3 基于深度学习算法的红枣品质分类方法

1.2.4 研究现状总结

1.3 论文研究内容及组织结构

第二章 卷积神经网络基础理论

2.1 卷积神经网络的研究历程

2.2 卷积神经网络的主要特点

2.2.1 局部感受野

2.2.2 权值共享

2.3 卷积神经网络的核心组件

2.3.1 卷积层

2.3.2 池化层

2.3.3 激活函数层

2.3.4 全连接层

2.4 现有卷积神经网络结构

2.4.1 LeNet网络

2.4.2 AlexNet网络

2.4.3 VGGNet网络

2.4.4 GoogLeNet网络

2.4.5 ResNet网络

2.5 本章小结

第三章 数据集制作与网络训练方法

3.1 红枣数据集图像采集设备

3.2 红枣图像数据集

3.3 卷积神经网络训练流程及方法

3.3.1 卷积神经网络的训练流程

3.3.2 前向传播算法

3.3.3 反向传播算法

3.3.5 防止过拟合技术

3.4 本章小结

第四章 基于通道加权和信息聚合的卷积神经网络设计

4.1 基于通道加权和信息聚合的卷积神经网络

4.1.1 残差模块

4.1.2 压缩激励模块

4.1.3 多通道信息聚合

4.1.4 基于通道加权和信息聚合的卷积神经网络结构

4.2 网络参数选取和训练策略

4.2.1 网络参数的设置

4.2.2 学习率的设置

4.2.3 批量归一化

4.3 本章小结

第五章 实验结果与分析

5.1 基于通道加权和信息聚合的卷积神经网络实验结果

5.1.1 基于通道加权和信息聚合的基础网络结构深度对比分析

5.1.2 基于通道加权和信息聚合网络中各模块性能对比分析

5.1.3 缩放因子对网络性能的影响与分析

5.1.4 基于通道加权和信息聚合的卷积神经网络实验结果分析

5.2 本文方法与现有卷积神经网络分类性能对比

5.3 本文方法与传统方法分类性能对比

5.4 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

发表论文和参加科研情况

致 谢