目录
摘要....................................................................................................................................I Abstract..................................................................................................................................II 插图索引.................................................................................................................................IV 附表索引..................................................................................................................................V 第1章绪论.. (1)
1.1课题的研究背景和意义 (1)
1.2国内外研究现状 (2)
1.2.1场景分类的研究现状 (2)
1.2.2卷积神经网络在场景分类上的研究现状 (4)
1.3场景分类的难点 (5)
1.4本文的主要内容 (6)
1.5本文章节安排 (6)
第2章场景分类的基本原理 (8)
2.1场景分类的基本概念 (8)
2.2场景分类框架 (8)
2.2.1GIST特征提取 (8)
2.2.2Softmax回归 (10)
2.3人工神经网络 (12)
2.3.1人工神经网络简介 (12)
2.3.2人工神经网络模型 (12)
2.3.3单层感知器 (13)
2.3.4多层感知器 (14)
2.3.5BP算法 (14)
2.4本章小结 (16)
第3章卷积神经网络的结构模型 (17)
3.1卷积神经网络概述 (17)
3.1.1卷积神经网络的结构 (17)
3.1.2激活函数 (19)
3.2典型的卷积神经网络模型 (22)
3.2.1LeNet-5模型 (22)
3.2.2AlexNet模型结构 (23)
3.3卷积神经网络的训练过程 (24)
3.3.1训练过程 (24)
3.3.2随机梯度下降算法 (25)
3.4卷积神经网络的优势 (25)
3.5本章小结 (26)
第4章卷积神经网络在场景分类上的分析 (27)
4.1场景分类数据集介绍 (27)
4.1.1Scene-15数据集 (27)
4.1.2SUN-397数据集 (27)
4.2卷积神经网络结构 (28)
4.2.1conv1卷积层 (28)
4.2.2conv2卷积层 (28)
4.2.3conv3卷积层 (29)
4.2.4conv4卷积层 (29)
4.2.5全连接层 (29)
4.2.6softmax层 (29)
4.3方法的选择及分析 (30)
4.3.1卷积核的大小和个数 (30)
4.3.2采样方法的选择 (32)
4.3.3激活函数的选择 (33)
4.4本章小结 (34)
第5章基于改进的卷积神经网络的场景分类 (35)
5.1卷积神经网络模型设计 (35)
5.1.1对比模型 (35)
5.1.2本章模型设计 (35)
5.2网络参数的优化 (37)
5.2.1训练和测试 (37)
5.2.2特征可视化 (38)
5.3网络模型的实现过程 (39)
5.3.1数据的前向传播 (39)
5.3.2计算梯度和误差 (39)
5.3.3误差的反向传播 (40)
5.3.4权值更新 (40)
5.4实验结果与分析 (41)
5.4.1实验设置 (41)
5.4.2Scene-15数据集 (41)
5.4.3SUN-397数据集 (43)
5.5本章小结 (45)
总结与展望 (46)
参考文献 (48)
致谢 (53)