| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题来源 | 第9-10页 |
| 1.2 题研究的目的与意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.4 本文主要研究内容及创新 | 第14-15页 |
| 1.4.1 基于PRICoLBP、DSIFT结合颜色直方图提取特征的方法实现和研究 | 第14页 |
| 1.4.2 迁移学习策略在HEp-2细胞分类中的实现和研究 | 第14-15页 |
| 1.5 本文结构 | 第15-16页 |
| 第2章 卷积神经网络相关知识 | 第16-32页 |
| 2.1 卷积神经网络的基础知识 | 第16-19页 |
| 2.1.1 卷积神经网络的基本结构 | 第16-17页 |
| 2.1.2 前馈运算 | 第17页 |
| 2.1.3 反馈运算 | 第17-19页 |
| 2.2 卷积神经网络的基本部件 | 第19-25页 |
| 2.2.1 卷积层 | 第19-22页 |
| 2.2.2 池化层 | 第22-23页 |
| 2.2.3 激活函数 | 第23-24页 |
| 2.2.4 全连接层 | 第24-25页 |
| 2.2.5 目标函数 | 第25页 |
| 2.3 经典网络 | 第25-30页 |
| 2.3.1 AlexNet | 第25-26页 |
| 2.3.2 VGG-Nets | 第26页 |
| 2.3.3 ResNet | 第26-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第3章 基于纹理特征提取方法的研究 | 第32-44页 |
| 3.1 HEp-2细胞分类的特征提取 | 第32-36页 |
| 3.1.1 PRICoLBP | 第32-35页 |
| 3.1.2 DSIFT | 第35-36页 |
| 3.1.3 颜色特征 | 第36页 |
| 3.2 SVM分类 | 第36-37页 |
| 3.3 ICPR2012数据集 | 第37-38页 |
| 3.4 基于纹理特征提取方法的实验和结果 | 第38-42页 |
| 3.4.1 HEp-2细胞分类的评价准则 | 第38-40页 |
| 3.4.2 跟扩展LBP特征方法对比 | 第40页 |
| 3.4.3 性能分析 | 第40-42页 |
| 3.4.3.1 运行时间 | 第40-41页 |
| 3.4.3.2 分类准确度 | 第41-42页 |
| 3.4.3.3 与其他方法分类性能对比 | 第42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 基于深度残差网络的迁移学习方法的研究 | 第44-54页 |
| 4.1 HEp-2细胞分类的深度残差网络 | 第44-46页 |
| 4.2 HEp-2细胞分类的迁移学习研究 | 第46-47页 |
| 4.3 ICPR2016-Task1数据集 | 第47-48页 |
| 4.4 基于残差网络的迁移学习策略方法实验和结果 | 第48-52页 |
| 4.4.1 实验设置 | 第48-49页 |
| 4.4.2 实验结果 | 第49-50页 |
| 4.4.3 残差网络的特征可视化 | 第50-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 本文工作总结 | 第54-55页 |
| 5.2 未来工作展望 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62页 |