声明
摘要
1绪论
1.1细粒度图像分类研究背景
1.2研究意义
1.3国内外研究现状
1.3.1细粒度图像分类算法
1.3.2跨域融合细粒度图像分类算法
1.3.3小样本学习方法
1.4论文研究内容
1.5论文组织结构
2细粒度图像分类算法的背景知识
2.1深度学习之卷积神经网络
2.1.1卷积神经网络概述
2.1.2卷积神经网络原理
2.2小样本学习方法之基于度量的元学习
2.2.1元学习基本概念
2.2.2元学习数据集划分
2.2.3元学习模型训练方式
2.3自然语言处理之GloVe算法
2.3.1自然语言处理算法概述
2.3.2共现矩阵
2.3.3 GloVe算法原理
2.4本章小结
3基于跨域融合的细粒度图像分类模型
3.1基础网络框架
3.1.1原型网络
3.1.2任务依赖度量网络
3.2跨域融合机制
3.3跨域融合细粒度图像分类模型
3.3.1以原型网络为基础的跨域融合模型
3.3.2以任务依赖度量网络为基础的跨域融合模型
3.4本章小结
4实验结果及分析
4.1数据集介绍
4.2实验环境介绍
4.3模型训练策略
4.4实验结果
4.5实验结果分析
4.5.1结果对比分析
4.5.2参数分析
4.6本章小结
5 ITCD-TADAM++模型的应用
5.1鸟类识别系统总体设计
5.2开发环境
5.3鸟类识别系统的设计与实现
5.4跨域融合图像分类模型的应用前景分析
5.5本章小结
6.1本文总结
6.2展望
参考文献
作者简介
致谢
河北农业大学;