西安工业大学模板.docxVIP

  • 0
  • 0
  • 约1.38万字
  • 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(设计)

基于深度学习的图像分类方法研究

姓名:

张明

学号:

2021030101

专业:

计算机科学与技术

学院:

计算机科学与工程学院

指导教师:

李志刚教授

2026年6月

本科毕业论文

PAGE1/SECTIONPAGES1

摘要

图像分类是计算机视觉领域的基础任务,其目标是为输入图像分配预定义的类别标签,在医疗影像诊断、自动驾驶、工业质检和遥感监测等场景中具有广泛的应用价值。传统方法依赖人工设计的特征算子与浅层分类器,难以适应复杂场景下的类内差异与类间相似问题。随着深度学习的兴起,以卷积神经网络为代表的端到端特征学习方法显著提升了分类精度,成为该领域的主流技术路线。

本文以基于深度学习的图像分类方法为研究对象,系统梳理了从LeNet、AlexNet、VGG、ResNet到VisionTransformer、ConvNeXt等代表性模型的演进脉络,分析了残差连接、注意力机制与复合缩放等关键设计对分类性能的影响机理。在此基础上,本文构建了统一的实验框架,选取CIFAR-10与自建的小样本工业零件图像数据集作为测试基准,对比了ResNet-50、EfficientNet-B0与轻量化卷积网络在分类精度、参数量与推理时延三个维度上的表现。

实验结果表明,在CIF

文档评论(0)

1亿VIP精品文档

相关文档