基于深度学习框架的移动设备显示省电研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 非自发光显示器的功率约束算法 | 第11-12页 |
| 1.2.2 自发光显示器功率约束算法 | 第12-13页 |
| 1.3 本文主要内容 | 第13-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 2 关键技术 | 第16-22页 |
| 2.1 人工智能与机器学习 | 第16-18页 |
| 2.1.1 人工智能 | 第16-17页 |
| 2.1.2 机器学习 | 第17-18页 |
| 2.1.3 深度学习 | 第18页 |
| 2.2 卷积神经网络 | 第18-19页 |
| 2.3 本文主要使用的深度学习模型 | 第19-21页 |
| 2.3.1 VGG网络 | 第19-20页 |
| 2.3.2VGG19 | 第20页 |
| 2.3.3 FCN | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 基于上下文正则化的循环深度学习框架 | 第22-36页 |
| 3.1 基于上下文正则化的循环深度学习框架 | 第22-29页 |
| 3.1.1 VGG19-FCN网络 | 第23-25页 |
| 3.1.2 上下文正则化的计算 | 第25-28页 |
| 3.1.3 循环迭代 | 第28-29页 |
| 3.2 实验 | 第29-34页 |
| 3.2.1 模型的训练 | 第29页 |
| 3.2.2 学习率参数的调整 | 第29-31页 |
| 3.2.3 模型的主观对比 | 第31-32页 |
| 3.2.4 模型的客观模型评价对比 | 第32-34页 |
| 3.3 本章小结 | 第34-36页 |
| 4 基于上下文正则化的循环深度学习框架的省电操作 | 第36-44页 |
| 4.1 节能操作 | 第36页 |
| 4.2 算法节能操作的整体框架 | 第36-37页 |
| 4.3 实验 | 第37-43页 |
| 4.3.1 实验数据与环境 | 第37-38页 |
| 4.3.2 与前沿方法的主观对比 | 第38-41页 |
| 4.3.3 与前沿方法的客观评价对比 | 第41-43页 |
| 4.4 本章小结 | 第43-44页 |
| 5 数据集的获取与制作 | 第44-50页 |
| 5.1 输入图片的获取 | 第45-46页 |
| 5.2 真相二值掩膜图的制作 | 第46-48页 |
| 5.3 本章小结 | 第48-50页 |
| 6 全文总结 | 第50-52页 |
| 6.1 工作总结 | 第50-51页 |
| 6.2 未来展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-58页 |
| 攻读学位期间参与的科研项目及成果 | 第58-59页 |
