基于深度神经网络的舌苔体质辨识
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 舌苔体质辨识的研究背景和意义 | 第9-10页 |
| 1.2 舌苔体质辨识的研究现状 | 第10-11页 |
| 1.3 论文的主要工作 | 第11-12页 |
| 1.4 本章小结 | 第12-13页 |
| 第二章 深度神经网络与深度学习理论 | 第13-26页 |
| 2.1 深度学习现状 | 第13-15页 |
| 2.2 深度神经网络的概念和结构 | 第15-24页 |
| 2.2.1 神经网络模型 | 第15-16页 |
| 2.2.2 卷积神经网络 | 第16-19页 |
| 2.2.3 损失函数 | 第19-20页 |
| 2.2.4 优化算法 | 第20-22页 |
| 2.2.5 其它关键技术 | 第22-24页 |
| 2.3 常用深度学习框架 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 构建舌苔体质数据库 | 第26-29页 |
| 3.1 舌苔与体质分类 | 第26页 |
| 3.2 舌苔体质数据库的构建 | 第26-28页 |
| 3.2.1 舌苔检测数据库 | 第27页 |
| 3.2.2 舌苔校准数据库 | 第27-28页 |
| 3.2.3 舌苔体质辨识数据库 | 第28页 |
| 3.3 本章小结 | 第28-29页 |
| 第四章 舌苔检测 | 第29-42页 |
| 4.1 Faster R-CNN模型结构 | 第29-32页 |
| 4.1.1 卷积神经网络 | 第29-30页 |
| 4.1.2 RPN | 第30-31页 |
| 4.1.3 RoI池化 | 第31-32页 |
| 4.1.4 CNET | 第32页 |
| 4.2 训练过程 | 第32-39页 |
| 4.2.1 卷积神经网络的预训练 | 第33-35页 |
| 4.2.2 RPN的训练 | 第35-37页 |
| 4.2.3 Faster R-CNN的微调 | 第37-39页 |
| 4.3 舌苔检测的结果与分析 | 第39-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第五章 舌苔校准 | 第42-47页 |
| 5.1 校准网络的任务目标与模型结构 | 第42-43页 |
| 5.2 校准网络的训练 | 第43-44页 |
| 5.3 实验结果与分析 | 第44-45页 |
| 5.4 本章小结 | 第45-47页 |
| 第六章 舌苔体质辨识 | 第47-56页 |
| 6.1 模型介绍 | 第47-50页 |
| 6.1.1 VGG模型结构 | 第47-48页 |
| 6.1.2 GoogLeNet模型结构 | 第48-49页 |
| 6.1.3 ResNet模型结构 | 第49-50页 |
| 6.2 实验结果与分析 | 第50-54页 |
| 6.3 本章小结 | 第54-56页 |
| 第七章 舌苔体质辨识系统 | 第56-59页 |
| 7.1 系统相关技术 | 第56页 |
| 7.2 系统架构 | 第56-57页 |
| 7.3 系统实现 | 第57-58页 |
| 7.4 本章小结 | 第58-59页 |
| 总结与展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间取得的研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |
| 附表 | 第67页 |
