基于卷积神经网络的图像分类研究任务书

2020-04-01 11:04

1. 毕业设计（论文）主要内容：

卷积神经网络已在图像分类领域取得了很好的效果，但其网络结构及参数的选择对图像分类的效果和效率有较大的影响。

为改善卷积网络的图像分类性能，此次设计对卷积神经网络模型进行了详细的理论分析，并通过大量的对比实验，得出了影响卷积网络性能的因素。

结合理论分析及对比实验，设计一个卷积层数为8层的深度卷积网络，并结合batch normalization、dropout等方法，在cifar-10数据集上取得分类精度结果，以此来提高卷积神经网络的分类效果。

剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

(1)查阅不少于15篇（其中近5年的外文文献不少于3篇）的相关资料，完成开题报告（设计的目的及意义至少800汉字；基本内容和技术方案至少400汉字）。

(2)完成不少于5000汉字（20000英文印刷符）的英文文献翻译。

(3)查阅不少于15篇（其中近5年的外文文献不少于3篇）的相关资料，完成不少于12000字的毕业论文，正文应包含不少于12幅图（包括：电路原理图、流程图、结构框图、程序框图）。

剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

（1）第1周—第4周搜集资料，撰写开题报告；

（2）第5周—第6周论文开题；

（3）第7周—第12周撰写论文初稿；

（4）第13周—第16周修改论文；

（5）第17周论文答辩。

[1] 李晓普. 基于卷积神经网络的图像分类[D].大连理工大学,2015.

[2] 楚敏南. 基于卷积神经网络的图像分类技术研究[D].湘潭大学,2015.

[3] 张弛. 基于卷积神经网络的鞋印图像分类算法研究[D].大连海事大学,2016.

[4] 杨莹,张海仙. 基于卷积神经网络的图像分类研究[J]. 现代计算机(专业版),2016,05:67-71.

[5] Ioffe S, Szegedy C. Batch Normalization: Accelerating Deep Network Training by Reducing Internal Covariate Shift[J]. Computer Science, 2015.

[6] Simon M, Rodner E, Denzler J. ImageNet pre-trained models with batch normalization[J]. 2016.

剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付