声明
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 基于深度学习的CAD 技术
1.2.2 基于深度学习的结直肠癌研究
1.3 论文主要研究内容
1.4 论文的组织结构
2 目标检测算法原理与网络结构
2.1 深度学习的任务
2.2 基于深度学习的目标检测算法
2.3 双阶段目标检测算法
2.3.1 R-CNN 网络
2.3.2 SPP-NET 网络
2.3.3 Fast R-CNN 网络
2.3.4 Faster R-CNN 网络
2.4 单阶段目标检测算法
2.4.1 YOLO 网络
2.4.2 SSD 网络
2.5 RefineDet 目标检测算法
2.5.1 RefineDet 网络概述
2.5.2 RefineDet 网络结构
2.5.3 RefineDet 网络结构特点
2.6 本章小结
3 K-RefineDet 网络设计
3.1 K-RefineDet网络结构
3.2 ARM模块设计
3.3 TCB模块设计
3.4 ODM模块设计
3.5 模型优化
3.5.1 损失函数
3.5.2 SGD 优化器
3.5.3 先验框设置
3.6 模型运行环境
3.7 本章小结
4 基于K-RefineDet 模型的腺瘤检测技术研究
4.1 概述
4.2 数据获取与预处理
4.2.1 数据获取
4.2.2 数据标注
4.2.3 数据增强
4.3 评价指标
4.4 模型训练
4.5 实验结果与分析
4.6 本章小结
5 总结与展望
5.1 论文总结
5.2 论文展望
参考文献
个人简历、在学期间发表的学术论文与研究成果
致谢
郑州大学;