基于深度学习的形状模型研究及图像分割应用
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 发展及研究现状 | 第10-14页 |
| 1.2.1 图像分割 | 第10-11页 |
| 1.2.2 形状先验 | 第11-13页 |
| 1.2.3 深度学习 | 第13-14页 |
| 1.3 论文研究内容 | 第14-15页 |
| 1.4 论文组织 | 第15-17页 |
| 第2章 深度学习理论基础 | 第17-25页 |
| 2.1 深度学习 | 第17-19页 |
| 2.1.1 从浅层学习到深度学习 | 第17-18页 |
| 2.1.2 深度学习的基本思想 | 第18-19页 |
| 2.2 受限玻尔兹曼机 | 第19-22页 |
| 2.2.1 玻尔兹曼机 | 第19-21页 |
| 2.2.2 受限玻尔兹曼机 | 第21-22页 |
| 2.3 深度学习常见的模型 | 第22-23页 |
| 2.3.1 深度信念网络 | 第22-23页 |
| 2.3.2 深度玻尔兹曼机 | 第23页 |
| 2.4 小结 | 第23-25页 |
| 第3章 基于深度学习的形状建模方法 | 第25-39页 |
| 3.1 引言 | 第25-26页 |
| 3.2 基于深度学习的形状模型及其训练 | 第26-30页 |
| 3.2.1 深度信念网络 | 第26-28页 |
| 3.2.2 深度玻尔兹曼机 | 第28-30页 |
| 3.3 形状的生成过程 | 第30-31页 |
| 3.4 实验设置与结果分析 | 第31-38页 |
| 3.4.1 实验数据与参数设置 | 第31-32页 |
| 3.4.2 模型建模能力比较与分析 | 第32-38页 |
| 3.5 小结 | 第38-39页 |
| 第4章 条件深度玻尔兹曼机图像分割模型 | 第39-45页 |
| 4.1 引言 | 第39页 |
| 4.2 条件深度玻尔兹曼机分割模型 | 第39-41页 |
| 4.3 实验设置与结果分析 | 第41-44页 |
| 4.3.1 实验数据与参数设置 | 第41-42页 |
| 4.3.2 实验结果与分析 | 第42-44页 |
| 4.4 小结 | 第44-45页 |
| 第5章 结合深度学习形状先验的MRF图像分割 | 第45-51页 |
| 5.1 引言 | 第45页 |
| 5.2 MRF图像分割及形状先验描述 | 第45-46页 |
| 5.2.1 MRF图像分割模型 | 第45-46页 |
| 5.2.2 深度玻尔兹曼机形状先验表示 | 第46页 |
| 5.3 结合形状先验的MRF图像分割 | 第46-48页 |
| 5.3.1 能量函数定义 | 第46-47页 |
| 5.3.2 能量函数最小化 | 第47-48页 |
| 5.3.3 算法流程 | 第48页 |
| 5.4 实验设置与结果分析 | 第48-50页 |
| 5.4.1 实验数据与参数设置 | 第48页 |
| 5.4.2 实验结果与分析 | 第48-50页 |
| 5.5 总结 | 第50-51页 |
| 第6章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51-52页 |
| 6.2 展望 | 第52-53页 |
| 参考文献 | 第53-61页 |
| 致谢 | 第61-63页 |
| 攻读硕士学位期间的研究成果 | 第63页 |
