声明
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 基于无监督学习的方法
1.2.2 基于有监督学习的方法
1.3 论文的主要研究内容
1.4 论文组织结构
第二章相关理论与技术基础
2.1 深度学习概述
2.2 卷积神经网络
2.2.1 卷积神经网络基本结构
2.2.2 稀疏连接和权值共享
2.2.3 梯度下降法和反向传播算法
2.3 编码器-解码器结构在图像分割中的应用
2.4 性能评价方法
2.5 本章小结
第三章基于跳过连接和多路径聚合的分割模型
3.1 图像预处理
3.1.1 图像增强
3.1.2 样本扩充
3.2 基础框架的选取与分析
3.3 基于跳过连接的分割模型
3.3.1 长跳过连接
3.3.2 短跳过链接
3.3.3 两种跳过连接的融合
3.3.4 整体框架描述
3.4 多路径聚合的分割模型
3.4.1 多路径上采样
3.4.2 整体框架描述
3.5 本章小结
第四章 基于Attention机制的分割模型
4.1 Attention机制原理介绍
4.2 Attention方式
4.2.1 编码卷积块的空间注意力
4.2.2 解码卷积块的空间注意力
4.3 整体框架描述
4.4 本章小结
第五章系统测试与分析
5.1 实验设置和测试方法
5.1.1 实验环境设置
5.1.2 模型的测试方法
5.2 基础网络的测试
5.2.1 不同网络结构的性能测试
5.2.2 跳过连接的性能测试
5.3 模型的性能测试
5.3.1 多路径聚合模型的测试
5.3.2 基于Attention机制模型的测试
5.4 和现有方法的对比测试
5.5 本章小结
结论和展望
参考文献
攻读硕士学位期间取得的研究成果
致 谢
华南理工大学;
