标签：
0 引言
介绍了木材缺陷检测的作用和价值，近年以来的普遍使用的方法，以及使用卷积神经网络的好处。
1 卷积神经网络
介绍卷积神经网络的现在使用的方面，成熟的技术，然后介绍组成结构（就是常见的CNN模型），然后顺带的点名了使用CNN的好处。
2 网络结构设计
文中主要有三种类别的样本，于是最终可以利用CNN分3类，实验中使用了8层网络，对数据的学习使用的是渐进式的学习方法。
3 试验分析
给出了实验的结果，以及自己的部分理解，和对实验数据的解释。
4 结论
CNN的好处，以及解决了问题，需要改进的地方。
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
说明：
写这篇简单的介绍的目的是了解小论文的框架，就像上面所写。
1）现有的技术
2）自己改进的技术 以及实验结果
3）有待优化的地方
文中的亮点：
由于很难确定样本的个数，太少可能导致网络的学习不足，太多又可能过学习，故采用是渐进式学习方法，即首先学习少量的样本，接着从输出端检测是哪一类分类错误比较多，再添加该类的样本作为训练样本，直到最后的精度满意为止。
标签：
原文地址：http://www.cnblogs.com/zhaoliang-study/p/4650285.html
