基于双线性卷积神经网络的细粒度图像分类方法研究

目录

声明

致谢

1 引言

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 基于特征提取的传统算法

1.2.2 基于深度学习的细粒度分类模型

1.3 论文主要工作

1.4 论文组织架构

1.5 本章小结

2 相关理论与技术

2.1 卷积神经网络

2.2 经典双线性卷积神经网络

2.2.1 B-CNN模型

2.2.2 B-CNN模型原理

2.3 深度残差网络

2.4 注意力机制

2.5 度量学习与中心损失

2.6 评价指标

1. 准确率（Accuracy）

2. 损失率（Loss）

2.7 本章小结

3 基于 LRBP结合残差与注意力机制的细粒度图像分类模型

3.1 基础双线性 LRBP模型

3.1.1 LRBP 网络模型

3.1.2 LRBP 模型原理

3.2 基于 LRBP结合残差与注意力机制的 LBCNN-RA模型

3.2.1 LBCNN-RA 模型策略与模块设计

3.2.2 LBCNN-RA 模型设计

3.3 实验结果与分析

3.3.1 数据集

3.3.2 实验内容

3.3.3 实验结果与分析

3.4 本章小结

4 基于 LBCNN-RA引入双尺度融合的细粒度图像分类模型

4.1 基础双线性 LBCNN-RA模型

4.2 基于 LBCNN-RA引入双尺度融合的 RALBCNN-DS模型

4.2.1 RALBCNN-DS 模型策略网络设计

4.2.2 RALBCNN-DS 模型设计

4.3 实验结果与分析

4.3.1 数据集及预处理

4.3.2 实验内容

4.3.3 实验与结果分析

4.4 本章小结

5 总结与展望

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性 声明

学位论文数据集