声明
第一章 绪 论
1.1 大数据背景下图像语义信息提取问题
1.2.1 多标签数据语义信息提取
1.2.2 图像检索研究
1.2.3 三维人体姿态恢复研究
1.2.4 深度卷积神经网络及其在乳腺癌图像分类中的应用
1.3 学位论文的研究思路与创新点
1.4 学位论文的结构安排
第二章 拉普拉斯特征映射与深度卷积神经网络介绍
2.1 基于LE的流形学习
2.1.1 基于传统图LE的流形学习
2.1.2 基于超图LE的流形学习
2.2 深度卷积神经网络
2.3 本章小结
第三章 融合多视图信息的多标签数据语义特征提取
3.1 引言
3.2 基于图像特征自编码与超图学习的多标签特征提取
3.2.1 去噪自编码器
3.2.2 基于超图拉普拉斯特征映射的多标签数据特征提取
3.2.3 算法具体流程
3.2.4 算法复杂度分析
3.3 实验结果
3.3.1 数据集与度量指标
3.3.2 参数优化
3.3.3 算法比较
3.4 本章小结
第四章 融合点击数据与图像视觉特征的图像检索优化
4.1 引言
4.2 融合图像视觉特征自编码与点击语义的多模态学习
4.2.1 融合点击语义的流形学习
4.2.2 算法复杂度分析
4.3.1 实验设置
4.3.2 实验结果
4.4 总结
第五章 基于超图正则化自编码器的三维人体姿态恢复算法
5.1 引言
5.2 相关工作
5.3.1 算法整体框架
5.3.2 边缘去噪自编码器
5.3.3 流形正则化
5.3.4 超图优化
5.4 实验评估
5.4.1 数据集和实验设置
5.4.2 自编码器参数调优
5.4.3 算法比较
5.5 总结
第六章 采用图像增强的高分辨率图像分类网络
6.1 引言
6.2 相关工作
6.2.1 神经网络正则化
6.2.2 图像增强方法
6.3 改进的融合图像增强的两阶段卷积神经网络PLANET
6.3.1 PLANET算法细节
6.3.2 图像增强算法InnerMove
6.4 实验设置与实验结果
6.4.1 InnerMove参数调优与性能评估
6.4.2 PLANET实验结果
6.5 本章小结
第七章 融合多视图特征的高分辨率医学图像分类网络
7.1 引言
7.2 相关研究
7.3 两阶段多视图卷积神经网络
7.3.1 图块多视图融合神经网络
7.3.2 图分类神经网络
7.4 实验结果与分析
7.4.1 数据集与实验设置
7.4.2 实验结果
7.4.3 视图变化对结果的影响
7.5 总结
第八章 全文总结与展望
8.1 全文总结
8.2 后续工作展望
致谢
参考文献
攻读博士学位期间取得的成果
电子科技大学;