摘要
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 视觉领域的深度学习算法研究现状
1.2.2 昆虫识别研究现状
1.2.3 昆虫目标分割研究现状
1.3 存在问题及研究内容
1.4 本文的组织结构和主要创新点
1.5 本章小结
2.1 引言
2.2 深度卷积神经网络
2.2.1 卷积神经网络结构单元
2.2.3 深度卷积神经网络结构
2.2.4 网络参数训练
2.3 MatConvNet深度学习框架
2.4 本章小结
第3章 基于FCN的鳞翅目昆虫图像前背景分割
3.1 引言
3.2 基于FCN的图像鳞翅目前背景分割
3.2.1 全卷积神经网络
3.2.2 基于全卷积网络的鳞翅目前背景分割模型
3.3 分割结果评价指标
3.4 鳞翅目昆虫图像前背景分割实验设计及结果评估
3.4.1 鳞翅目昆虫前背景分割数据集
3.4.2 实验设计
3.4.3 分割结果评价
3.4.4 优化分割结果
3.5 本章小结
第4章 基于CNN的鳞翅目昆虫图像识别
4.1 基于传统方法的鳞翅目昆虫识别
4.1.1 传统鳞翅目昆虫图像特征提取
4.1.2 特征分类器
4.2 基于DCNN的端到端鳞翅目昆虫识别
4.2.1 端到端的DCNN分类框架
4.2.2 网络参数迭代学习
4.3 基于CNN特征的鳞翅目昆虫识别
4.3.1 基于CNN特征的分类框架
4.3.2 训练χ2核SVM分类器
4.4 本章小结
第5章 鳞翅目昆虫图像识别实验分析
5.1 数据集准备
5.1.1 鳞翅目昆虫图像分类样本集
5.1.2 鳞翅目昆虫前景图像分类样本集
5.2 鳞翅目昆虫图像识别实验设计及结果评估
5.2.1 基于端到端CNN分类实验设计
5.2.2 基于CNN特征提取+SVM的识别实验设计
5.2.3 前背景分割对识别结果的影响实验设计
5.2.4 识别结果评价
5.3 本章小结
6.1 总结
6.2 未来工作
参考文献
附录
致谢
声明