基于U-Net的自动初至拾取方法
| 摘要 | 第4-5页 |
| Abstract | 第5-8页 |
| 第一章绪论 | 第8-12页 |
| 1.1课题背景及研究的目的和意义 | 第8-9页 |
| 1.1.1课题来源 | 第8页 |
| 1.1.2课题研究的背景和意义 | 第8-9页 |
| 1.2国内外研究现状 | 第9-11页 |
| 1.2.1初至拾取国内外研究现状 | 第9-10页 |
| 1.2.2神经网络的发展 | 第10页 |
| 1.2.3国内外文献综述的简析 | 第10-11页 |
| 1.3本文的主要研究内容 | 第11-12页 |
| 第二章初至拾取和卷积神经网络 | 第12-22页 |
| 2.1初至拾取中的STA/LTA方法 | 第12-13页 |
| 2.2卷积神经网络 | 第13-18页 |
| 2.2.1卷积和反卷积 | 第14-16页 |
| 2.2.2图像填充 | 第16-17页 |
| 2.2.3前向和反向传播 | 第17-18页 |
| 2.3图像分割和U-Net | 第18-21页 |
| 2.3.1图像分割 | 第18-19页 |
| 2.3.2网络FCN | 第19-20页 |
| 2.3.3网络U-Net | 第20-21页 |
| 2.4本章小结 | 第21-22页 |
| 第三章模型结构 | 第22-29页 |
| 3.1数据生成 | 第22-23页 |
| 3.2网络结构 | 第23-25页 |
| 3.3损失函数 | 第25-26页 |
| 3.4图像梯度 | 第26-28页 |
| 3.5本章小结 | 第28-29页 |
| 第四章结果比较 | 第29-45页 |
| 4.1原U-Net比较测试 | 第29-35页 |
| 4.2优化后的U-Net测试 | 第35-41页 |
| 4.3两个实验结果的比较 | 第41-43页 |
| 4.4本章小结 | 第43-45页 |
| 结论 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50页 |
