| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题背景 | 第11-13页 |
| 1.2 本文的工作与贡献 | 第13-15页 |
| 1.3 本文组织和结构 | 第15-17页 |
| 第2章 相关工作 | 第17-32页 |
| 2.1 图像语义分割 | 第17-25页 |
| 2.1.1 概述 | 第17页 |
| 2.1.2 图像分割技术常用方法 | 第17-21页 |
| 2.1.3 图像语义分割 | 第21-23页 |
| 2.1.4 人体衣物图像分割 | 第23-25页 |
| 2.1.5 医学图像分析研究现状 | 第25页 |
| 2.2 深度卷积神经网络 | 第25-29页 |
| 2.2.1 深度学习概述 | 第25-26页 |
| 2.2.2 卷积神经网络发展 | 第26-28页 |
| 2.2.3 卷积神经网络基本结构 | 第28-29页 |
| 2.3 卷积神经网络在图像语义分割领域的应用 | 第29-31页 |
| 2.3.1 概述 | 第29页 |
| 2.3.2 卷积神经网络在图像语义分割领域的应用 | 第29-31页 |
| 2.3.3 总结 | 第31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 问题描述 | 第32-37页 |
| 3.1 常用术语与符号 | 第32-33页 |
| 3.2 问题定义 | 第33-35页 |
| 3.3 实现难点 | 第35页 |
| 3.4 预期目标 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 基于卷积神经网络的图像语义分割 | 第37-50页 |
| 4.1 算法概述 | 第37-38页 |
| 4.2 深度卷积网络结构 | 第38-40页 |
| 4.3 卷积层与反卷积层 | 第40-45页 |
| 4.4 网络结构和结果的优化 | 第45-49页 |
| 4.4.1 防止过拟合 | 第45-46页 |
| 4.4.2 Pre-training二阶段训练方法 | 第46-47页 |
| 4.4.3 卷积层反卷积层Batch normalization | 第47-48页 |
| 4.4.4 模型融合 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 基于CNN的图像语义分割应用 | 第50-60页 |
| 5.1 图像分割的应用 | 第50-51页 |
| 5.1.1 医学影像 | 第50-51页 |
| 5.1.2 穿衣搭配 | 第51页 |
| 5.2 基于CNN的图像语义分割在医学图像分析中的应用 | 第51-56页 |
| 5.2.1 概述 | 第51-52页 |
| 5.2.2 比赛描述 | 第52-53页 |
| 5.2.3 心脏轮廓识别的具体应用与实现 | 第53-55页 |
| 5.2.4 结果展示和说明 | 第55-56页 |
| 5.3 基于CNN的图像语义分割在穿衣搭配中的应用 | 第56-59页 |
| 5.3.1 概述 | 第56-57页 |
| 5.3.2 人体衣物图像分割的具体实现 | 第57-58页 |
| 5.3.3 结果展示和分析 | 第58-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第6章 对比实验结果 | 第60-67页 |
| 6.1 实验配置 | 第60-62页 |
| 6.1.1 运行环境 | 第60页 |
| 6.1.2 实验数据描述 | 第60-62页 |
| 6.1.3 实验对比算法 | 第62页 |
| 6.1.4 评判指标 | 第62页 |
| 6.2 实验过程和步骤 | 第62-64页 |
| 6.3 实验结果与分析 | 第64-66页 |
| 6.4 本章小结 | 第66-67页 |
| 第7章 总结和展望 | 第67-70页 |
| 7.1 本文工作总结 | 第67-68页 |
| 7.2 未来研究工作 | 第68页 |
| 7.3 本章小结 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 攻读硕士学位期间主要的研究成果 | 第76-77页 |
| 致谢 | 第77页 |
