基于深度残差网络与迁移学习的毒蕈图像识别

目录

声明

目 录

1 绪论

1.1.1 研究背景

1.1.2 研究意义

1.2 国内外研究现状

1.2.1 基于卷积神经网络的图像识别研究现状

1.2.2 毒蕈图像分类识别问题别研究现状

1.3.1 研究目标

1.3.2 研究内容

1.3.3 主要创新点

1.4 论文组织结构

2 残差网络与迁移学习理论概述

2.1 卷积神经网络

2.1.1 卷积层

2.1.2 池化层

2.1.3 全连接层

2.1.4 SoftMax 分类器

2.1.5 卷积神经网络特点

2.2.1 网络退化

2.2.2 残差单元

2.2.3 残差网络结构

2.2.4 深度残差网络优势

2.3 迁移学习理论概述

2.4 本章小结

3 毒蕈图像数据集的建立

3.1 毒蕈图像的采集

3.2 毒蕈图像的预处理

3.3 毒蕈图像集的数据增强

3.4 图像数据集中的毒蕈简介

3.5 本章小结

4 基于深度残差网络与迁移学习的毒蕈图像识别研究

4.1.1 模型框架

4.1.2 迁移策略

4.1.3 参数优化算法

4.1.4 模型训练方式

4.2.1 实验环境

4.2.2 图像数据读入

4.2.3 模型训练超参数设置

4.2.4 评估标准

4.2.5 实验结果

4.3.1 对比实验设置

4.3.2 优化算法对比分析

4.3.3 迁移学习训练策略对比分析

4.3.4 网络模型对比分析

4.4 与其他毒蕈识别方法的比较

4.5 本章小结

5 基于Android 平台的毒蕈图像识别系统设计与实现

5.1 Android 平台开发环境简介

5.2 毒蕈图像识别系统的需求分析

5.3 毒蕈识别系统整体框架设计

5.4.1 开发环境

5.4.2 毒蕈图像采集模块

5.4.3 图像处理模块

5.4.4 毒蕈图像识别模块

5.4.5 结果展示模块

5.5 系统功能测试

5.5.1 主界面

5.5.2 毒蕈图像采集模块测试

5.5.3 图像处理模块测试

5.5.4 识别与结果展示模块测试

5.6 本章小结

6 总结与展望

6.1 论文总结

6.2 研究展望

参考文献

附录

致谢