基于Inception模块的医疗图像分类
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状及方向 | 第11-13页 |
| 1.3 论文工作 | 第13-14页 |
| 1.4 文章结构 | 第14-15页 |
| 第2章 相关工作 | 第15-34页 |
| 2.1 图像分类 | 第15-20页 |
| 2.1.1 概述 | 第15-16页 |
| 2.1.2 常用的图像分类方法 | 第16-20页 |
| 2.2 深度学习概述 | 第20-22页 |
| 2.3 卷积神经网络 | 第22-33页 |
| 2.3.1 概述 | 第22-23页 |
| 2.3.2 ANN基础 | 第23-29页 |
| 2.3.3 卷积神经网络结构 | 第29-31页 |
| 2.3.4 卷积神经网络的发展 | 第31-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第3章 基于卷积神经网络的图像分类方法 | 第34-42页 |
| 3.1 概述 | 第34-35页 |
| 3.2 经典CNN设计模式 | 第35-36页 |
| 3.3 IDC图像分类模型 | 第36-40页 |
| 3.3.1 实验数据参数 | 第36-37页 |
| 3.3.2 模型结构设计 | 第37-38页 |
| 3.3.3 模型实现 | 第38-40页 |
| 3.3.4 参数保存 | 第40页 |
| 3.4 本章小结 | 第40-42页 |
| 第4章 基于Inception模块的卷积模型 | 第42-54页 |
| 4.1 Inception模块介绍 | 第42-43页 |
| 4.2 基于Inception模块的分类网络 | 第43-49页 |
| 4.2.1 模型框架设计 | 第43-46页 |
| 4.2.2 模型实现 | 第46-49页 |
| 4.3 实验结果及分析 | 第49-53页 |
| 4.3.1 实验工具 | 第49-50页 |
| 4.3.2 实验过程及实验结果分析 | 第50-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 总结与展望 | 第54-56页 |
| 5.1 本文工作总结 | 第54页 |
| 5.2 未来研究工作 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 作者简介及在学期间所取得的科研成果 | 第60-61页 |
| 致谢 | 第61页 |
