| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 引言 | 第14-20页 |
| 1.1 研究背景 | 第14-16页 |
| 1.2 研究问题 | 第16-17页 |
| 1.3 主要工作 | 第17-18页 |
| 1.4 论文结构 | 第18-20页 |
| 2 基于卷积神经网络的领域自适应方法 | 第20-26页 |
| 2.1 卷积神经网络的基本原理 | 第20-23页 |
| 2.2 域 | 第23页 |
| 2.3 领域自适应方法 | 第23-26页 |
| 2.3.1 生成对抗网络(GAN) | 第23页 |
| 2.3.2 循环一致对抗网络(CycleGan) | 第23-24页 |
| 2.3.3 基于对抗学习的领域自适应(Adversarial Discriminative Domain Adaptation(ADDA) | 第24-26页 |
| 3 针对开放集图像分类问题的领域自适应方法研究 | 第26-50页 |
| 3.1 研究背景 | 第26-29页 |
| 3.2 相关工作 | 第29-31页 |
| 3.2.1 领域自适应 | 第29-30页 |
| 3.2.2 开放集图片分类问题 | 第30-31页 |
| 3.3 OSTAN方法 | 第31-36页 |
| 3.3.1 问题描述及设定 | 第31页 |
| 3.3.2 框架概览 | 第31-33页 |
| 3.3.3 域转化网络 | 第33页 |
| 3.3.4 域转化网络 | 第33-35页 |
| 3.3.5 域适应网络 | 第35-36页 |
| 3.4 OSTAN网络框架 | 第36-42页 |
| 3.4.1 域转化网络框架 | 第36-40页 |
| 3.4.2 域适应网络框架 | 第40-41页 |
| 3.4.3 优化方法 | 第41-42页 |
| 3.5 数据集 | 第42-43页 |
| 3.6 实验结果 | 第43-48页 |
| 3.7 总结与展望 | 第48-50页 |
| 4 针对细胞核图像分割问题的领域自适应方法研究 | 第50-70页 |
| 4.1 研究背景 | 第50-52页 |
| 4.2 相关工作 | 第52-53页 |
| 4.2.1 语义分割 | 第52页 |
| 4.2.2 领域自适应 | 第52-53页 |
| 4.3 基于领域自适应的细胞核图像语义分割 | 第53-57页 |
| 4.3.1 CASG方法 | 第53-56页 |
| 4.3.2 CASG框架 | 第56-57页 |
| 4.4 数据集 | 第57页 |
| 4.5 实验结果 | 第57-69页 |
| 4.5.1 细胞核图像分割 | 第57-64页 |
| 4.5.2 基于领域自适应的细胞核图像分割 | 第64-67页 |
| 4.5.3 OSTAN在细胞核语义分割模型中的应用 | 第67-69页 |
| 4.6 总结与展望 | 第69-70页 |
| 5 总结与展望 | 第70-72页 |
| 5.1 总结 | 第70页 |
| 5.2 展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 简历与科研成果 | 第77-78页 |