华侨大学模板.docxVIP

  • 0
  • 0
  • 约1.24万字
  • 约 17页
  • 2026-11-20 发布于黑龙江
  • 举报

本科毕业论文

PAGE1/SECTIONPAGES1

本科毕业论文

基于深度学习的图像分类方法研究

研究生姓名

:

学号

:

指导教师

:

专业名称

:

研究方向

:

提交时间:2026年6月

本科毕业论文

PAGE1/SECTIONPAGES1

摘要

图像分类是计算机视觉的基础任务,也是目标检测、语义分割、图像检索等高层视觉应用的前提环节。近年来,以卷积神经网络和视觉Transformer为代表的深度学习方法在ImageNet等大规模基准上不断刷新准确率纪录,逐步取代了以手工特征为核心的传统方法。然而,模型精度提升往往伴随参数量与计算量的膨胀,如何在有限算力与标注数据条件下取得精度与效率的平衡,仍是实际部署中的核心矛盾。

本文以深度学习图像分类方法为研究对象,围绕结构演进—训练策略—实验验证三条主线展开。首先梳理从LeNet、AlexNet到ResNet、DenseNet的卷积网络演进脉络,分析残差连接与特征复用对深层网络退化和梯度传播问题的缓解机理;其次讨论视觉Transformer以图像块序列建模全局依赖的范式转变,并比较其在小数据条件下的归纳偏置缺失问题;再次归纳数据增强、迁移学习、标签平滑与知识蒸馏等训练策略对泛化能力的贡献。在此基础上,本文在CIFAR-10与CIFAR-100数据集上设

文档评论(0)

1亿VIP精品文档

相关文档