基于迁移学习的建筑物识别技术研究

目录

声明

第一章 绪论

1.1 研究背景和意义

1.2 国内外研究现状

1.2.1 建筑物图像识别的研究

1.2.2迁移学习的发展史

1.2.3迁移学习的研究现状

1.3 主要研究内容和结构安排

1.3.1迁移学习的发展史

1.3.2 结构安排

第二章 建筑物图像特征提取方法概述

2.1 传统机器学习图像特征提取技术

2.1.1颜色空间模型HSV

2.1.2尺度不变特征变换SIFT

2.1.3词袋模型BOW

2.1.4 空间金字塔模型SPM

2.1.5方向梯度直方图HOG特征

2.1.6全局特征GIST

2.2 基于卷积神经网络的特征提取

2.2.1卷积神经网络基本结构以及工作原理

2.2.2卷积神经网络常用模型介绍

2.2.3卷积神经网络常用模型结构对比

2.3 本章小结

第三章 基于迁移学习的多特征标定建筑物识别

3.1 迁移学习流程

3.2 建筑物图像识别模型Recog-Net

3.2.1网络结构

3.2.2 多特征图像对建筑物分类准确率的影响

3.2.3图像特征标定

3.2.4图像认证

3.3 实验及分析

3.3.1实验数据集

3.3.2实验环境及配置

3.3.3训练过程

3.3.4实验性能仿真与对比

3.3.5测试数据讨论

3.4 本章小结

第四章 多角度显著区域建筑图像识别

4.1 建筑图像识别中区域的选择

4.2 显著区域提取

4.2.1建筑物区域划分

4.2.1建筑物中的显著区域提取

4.3 特征学习

4.3.1基于卷积神经网络的特征学习

4.3.2 SVM支持向量机

4.4多角度显著区域建筑图像识别方法

4.5实验结果与分析

4.5.1实验配置

4.5.2 Build-7建筑数据集测试

4.5.3 Build-7建筑数据集多角度改善分析

4.5.4 Build-7建筑数据集多角度实验分析

4.6本章小结

第五章 建筑图像识别与特征标签检索的平台系统

5.1平台系统概述

5.2平台系统主要技术路线

5.2.1基于J2EE技术路线

5.2.2采用MVC设计模式

5.2.3基于SOA的体系架构

5.2.4标签属性

5.2.5技术架构

5.3平台系统的实现

5.3.1用户登录管理

5.3.2 图像识别

5.3.3 建筑物标签查询

5.4本章小结

第六章 总结和展望

6.1本文总结

6.2今后研究方向

参考文献

致 谢

作者简介

1 作者简历

2 攻读硕士学位期间发表的学术论文

3 发明专利

学位论文数据集