卷积受限玻尔兹曼机形状建模及其图像分割应用
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-14页 |
| 1.2.1 形状表示方法 | 第10-11页 |
| 1.2.2 深度学习 | 第11-13页 |
| 1.2.3 形状与图像分割 | 第13-14页 |
| 1.3 本文研究内容及组织结构 | 第14-17页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 组织结构 | 第15-17页 |
| 第2章 深度学习模型理论 | 第17-27页 |
| 2.1 深度学习常见模型 | 第17-22页 |
| 2.1.1 受限玻尔兹曼机 | 第17-19页 |
| 2.1.2 深度信念网 | 第19-20页 |
| 2.1.3 深度玻尔兹曼机 | 第20-21页 |
| 2.1.4 形状玻尔兹曼机 | 第21-22页 |
| 2.2 卷积受限玻尔兹曼机 | 第22-25页 |
| 2.2.1 卷积操作 | 第22-23页 |
| 2.2.2 网络结构及数学表达 | 第23-25页 |
| 2.2.3 模型特点 | 第25页 |
| 2.3 模型对比 | 第25-26页 |
| 2.4 小结 | 第26-27页 |
| 第3章 基于卷积受限玻尔兹曼机的形状模型 | 第27-39页 |
| 3.1 引言 | 第27页 |
| 3.2 卷积受限玻尔兹曼机的形状建模 | 第27-30页 |
| 3.2.1 模型训练 | 第27-28页 |
| 3.2.2 采样 | 第28-30页 |
| 3.3 实验与分析 | 第30-37页 |
| 3.3.1 实验数据 | 第30页 |
| 3.3.2 参数分析 | 第30-32页 |
| 3.3.3 参数设置 | 第32页 |
| 3.3.4 实验结果与分析 | 第32-37页 |
| 3.4 本章小结 | 第37-39页 |
| 第4章 基于形状的水平集图像分割方法 | 第39-47页 |
| 4.1 引言 | 第39页 |
| 4.2 结合形状先验的水平集图像分割方法 | 第39-42页 |
| 4.2.1 水平集模型介绍 | 第39-41页 |
| 4.2.2 形状先验的表示 | 第41页 |
| 4.2.3 能量函数的定义 | 第41-42页 |
| 4.3 实验与分析 | 第42-45页 |
| 4.3.1 实验数据及参数设置 | 第42-43页 |
| 4.3.2 实验结果与分析 | 第43-45页 |
| 4.4 本章小结 | 第45-47页 |
| 第5章 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47页 |
| 5.2 展望 | 第47-49页 |
| 参考文献 | 第49-55页 |
| 致谢 | 第55-57页 |
| 攻读硕士学位期间的研究成果 | 第57页 |
