| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第10-21页 |
| 1.1 研究意义 | 第10-12页 |
| 1.2 相关工作 | 第12-13页 |
| 1.3 图像识别技术发展 | 第13-15页 |
| 1.4 技术背景 | 第15-18页 |
| 1.4.1 神经网络 | 第15-18页 |
| 1.4.2 概率图模型 | 第18页 |
| 1.5 数据集简介 | 第18-19页 |
| 1.6 论文组织 | 第19-21页 |
| 第二章 模型设计 | 第21-31页 |
| 2.1 预处理 | 第22-24页 |
| 2.2 上下文感知网络结构 | 第24-27页 |
| 2.2.1 最大值池化与平均值池化 | 第25页 |
| 2.2.2 池化与2×2卷积层 | 第25-26页 |
| 2.2.3 卷积核的大小 | 第26页 |
| 2.2.4 用1×1卷积代替全连接层 | 第26页 |
| 2.2.5 批量正则化 | 第26-27页 |
| 2.3 网络训练 | 第27-28页 |
| 2.3.1 准确率 | 第27页 |
| 2.3.2 骰子系数(Dice coefficient) | 第27-28页 |
| 2.4 概率图模型 | 第28-31页 |
| 第三章 模型优化 | 第31-44页 |
| 3.1 网络结构 | 第32-39页 |
| 3.1.1 微观结构 | 第33-37页 |
| 3.1.2 宏观结构 | 第37-39页 |
| 3.2 清洗训练数据 | 第39-41页 |
| 3.3 加入正则化 | 第41-44页 |
| 3.3.1 数据扩充 | 第42页 |
| 3.3.2 引入噪声 | 第42-43页 |
| 3.3.3 其他方法 | 第43-44页 |
| 第四章 模型实现与实验 | 第44-53页 |
| 4.1 模型实现 | 第44-45页 |
| 4.1.1 硬件设备环境 | 第44页 |
| 4.1.2 软件环境 | 第44-45页 |
| 4.1.3 系统设计 | 第45页 |
| 4.2 实验设置 | 第45-46页 |
| 4.3 实验结果 | 第46-53页 |
| 4.3.1 基础模型 | 第46-48页 |
| 4.3.2 进阶模型 | 第48-53页 |
| 第五章 结论 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 附录 | 第56-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间发表的学术论文目录 | 第58页 |