| 详细摘要 | 第5-8页 |
| abstract | 第8-11页 |
| 摘要 | 第15-16页 |
| 第1章 绪论 | 第16-28页 |
| 1.1 研究背景及意义 | 第16-19页 |
| 1.2 国内外研究现状 | 第19-23页 |
| 1.3 主要研究内容 | 第23-25页 |
| 1.4 论文组织结构 | 第25-28页 |
| 第2章 深度学习在人脸识别中的算法研究 | 第28-46页 |
| 2.1 引言 | 第28-30页 |
| 2.2 相关工作 | 第30-31页 |
| 2.3 堆栈式去噪自编码器 | 第31-34页 |
| 2.4 人脸识别深度学习框架 | 第34-39页 |
| 2.4.1 深度学习 | 第34-35页 |
| 2.4.2 算法执行过程与预处理 | 第35页 |
| 2.4.3 无监督特征学习过程 | 第35-38页 |
| 2.4.4 有监督的人脸识别过程 | 第38-39页 |
| 2.5 实验分析 | 第39-45页 |
| 2.5.1 流行的人脸识别算法简述 | 第40页 |
| 2.5.2 经典的人脸识别数据库简述 | 第40-41页 |
| 2.5.3 在Yale数据库上实验 | 第41-43页 |
| 2.5.4 在AR数据库上实验 | 第43-44页 |
| 2.5.5 在PIE数据库上实验 | 第44-45页 |
| 2.6 本章小结 | 第45-46页 |
| 第3章 融合深度学习与偏好学习的单目标跟踪技术 | 第46-62页 |
| 3.1 引言 | 第46-47页 |
| 3.2 相关工作 | 第47-48页 |
| 3.3 整体的目标跟踪框架 | 第48-53页 |
| 3.3.1 深度神经网络模型 | 第49-51页 |
| 3.3.2 偏好学习模型 | 第51-52页 |
| 3.3.3 模型更新策略 | 第52-53页 |
| 3.4 实验分析 | 第53-60页 |
| 3.4.1 评价标准与参数设置 | 第53-54页 |
| 3.4.2 定量对比实验 | 第54-58页 |
| 3.4.3 定性对比实验 | 第58-60页 |
| 3.5 本章小结 | 第60-62页 |
| 第4章 基于SDAE深度框架的多目标跟踪算法研究 | 第62-84页 |
| 4.1 引言 | 第62-63页 |
| 4.2 相关工作 | 第63-65页 |
| 4.3 粒子滤波技术简述 | 第65-66页 |
| 4.4 公式化DMOT算法 | 第66-68页 |
| 4.5 深度多目标跟踪系统DMOT框架 | 第68-72页 |
| 4.5.1 深度图像特征表示机制 | 第68-69页 |
| 4.5.2 在线多目标跟踪系统 | 第69-71页 |
| 4.5.3 在线模型更新策略 | 第71-72页 |
| 4.6 实验分析 | 第72-82页 |
| 4.6.1 不同数量跟踪目标的对比实验 | 第72-75页 |
| 4.6.2 DMoT系统在更多跟踪视频中的测试 | 第75-80页 |
| 4.6.3 异常事件检测与预警 | 第80-82页 |
| 4.7 本章小结 | 第82-84页 |
| 第5章 深度偏好学习在生物医学图像检索中的应用与实现 | 第84-100页 |
| 5.1 引言 | 第84-85页 |
| 5.2 相关工作 | 第85-87页 |
| 5.3 提出的生物医学图像检索系统 | 第87-93页 |
| 5.3.1 深度特征提取器 | 第88-92页 |
| 5.3.2 生物医学图像偏好学习模型 | 第92-93页 |
| 5.4 实验分析 | 第93-98页 |
| 5.4.1 检索评价指标 | 第93-96页 |
| 5.4.2 对比方法和数据库 | 第96-97页 |
| 5.4.3 实验结果解析 | 第97-98页 |
| 5.5 本章小结 | 第98-100页 |
| 第6章 基于卷积神经网络的新型端到端生物医学图像分类技术 | 第100-124页 |
| 6.1 引言 | 第100-102页 |
| 6.2 相关工作 | 第102-104页 |
| 6.3 生物医学图像分类框架 | 第104-113页 |
| 6.3.1 对于选择使用卷积神经网络的分析 | 第104-107页 |
| 6.3.2 深度迁移学习 | 第107-108页 |
| 6.3.3 深度卷积神经网络框架 | 第108-111页 |
| 6.3.4 数据增强 | 第111页 |
| 6.3.5 在线训练领域迁移的深度卷积神经网络过程 | 第111-113页 |
| 6.4 实验分析 | 第113-118页 |
| 6.4.1 传统分类算法和深度分类算法 | 第113-115页 |
| 6.4.2 三个公共生物医学图像数据库 | 第115-117页 |
| 6.4.3 分类结果对比分析 | 第117-118页 |
| 6.5 讨论与分析 | 第118-122页 |
| 6.5.1 深度特征vs传统特征 | 第119-120页 |
| 6.5.2 深度模型收敛速度和时间对比 | 第120-121页 |
| 6.5.3 深度卷积核的探讨 | 第121-122页 |
| 6.6 本章小结 | 第122-124页 |
| 第7章 总结与展望 | 第124-128页 |
| 7.1 总结 | 第124-126页 |
| 7.2 展望 | 第126-128页 |
| 参考文献 | 第128-138页 |
| 作者简介及在学期间所取得的科研成果 | 第138-140页 |
| 致谢 | 第140页 |
