隨著人工智能浪潮的到來(lái),深度學(xué)習(xí)作為表示學(xué)習(xí)的一個(gè)重要分支,其發(fā)展大幅提高了視覺(jué)識(shí)別任務(wù)的最終性能。盡管有著大量的理論、學(xué)術(shù)研究,但在面對(duì)復(fù)雜應(yīng)用環(huán)境以及計(jì)算資源相對(duì)匱乏的設(shè)備平臺(tái)時(shí),視覺(jué)識(shí)別模型的表現(xiàn)仍不如人意。作為視覺(jué)識(shí)別任務(wù)的核心問(wèn)題,目標(biāo)檢測(cè)和分割任務(wù)的發(fā)展始終在模型準(zhǔn)確率與計(jì)算效率的取舍中艱難前進(jìn)。本文的核心思想是利用表示學(xué)習(xí)相關(guān)理論,在保證視覺(jué)識(shí)別任務(wù)性能的前提下,能夠設(shè)計(jì)出低延遲、低功耗的視覺(jué)識(shí)別模型。本文的主要工作如下:對(duì)目前表示學(xué)習(xí)中在視覺(jué)識(shí)別任務(wù)起重要作用的深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行梳理,介紹具有代表性的深度卷積神經(jīng)網(wǎng)絡(luò)和輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)。并對(duì)表示學(xué)習(xí)在視覺(jué)識(shí)別任務(wù)中的相關(guān)工作從多尺度特征學(xué)習(xí)、上下文特征學(xué)習(xí)以及關(guān)系網(wǎng)絡(luò)三個(gè)方面進(jìn)行概要總結(jié)。其中,多尺度特征學(xué)習(xí)從圖像金字塔、預(yù)測(cè)金字塔、特征融合以及特征金字塔四個(gè)角度進(jìn)行分析;上下文特征學(xué)習(xí)通過(guò)全局上下文特征學(xué)習(xí)和局部上下文特征學(xué)習(xí)進(jìn)行闡述;并對(duì)關(guān)系網(wǎng)絡(luò)在視覺(jué)識(shí)別任務(wù)上的應(yīng)用從圖卷積神經(jīng)網(wǎng)絡(luò)和自注意力機(jī)制兩個(gè)方面進(jìn)行整理。針對(duì)醫(yī)院現(xiàn)有醫(yī)療設(shè)備計(jì)算資源相對(duì)匱乏的問(wèn)題,采用上下文特征編碼病灶周?chē)鷧^(qū)域的信息,再通過(guò)自注意力機(jī)制... 

【文章來(lái)源】：江南大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 目標(biāo)檢測(cè)算法簡(jiǎn)介
    1.3 語(yǔ)義分割算法簡(jiǎn)介
    1.4 研究現(xiàn)狀以及未來(lái)發(fā)展趨勢(shì)
    1.5 本文主要?jiǎng)?chuàng)新點(diǎn)
    1.6 章節(jié)安排
第二章 表示學(xué)習(xí)
    2.1 卷積神經(jīng)網(wǎng)絡(luò)
        2.1.1 常用卷積神經(jīng)網(wǎng)絡(luò)
        2.1.2 輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)
    2.2 特征表示學(xué)習(xí)
        2.2.1 多尺度特征學(xué)習(xí)
        2.2.2 上下文特征學(xué)習(xí)
        2.2.3 關(guān)系網(wǎng)絡(luò)
    2.3 本章小結(jié)
第三章 上下文自注意力皮膚病分割算法
    3.1 上下文自注意力模塊
    3.2 上下文自注意力皮膚病分割網(wǎng)絡(luò)
    3.3 實(shí)驗(yàn)及應(yīng)用
        3.3.1 數(shù)據(jù)集及實(shí)驗(yàn)設(shè)置
        3.3.2 評(píng)價(jià)標(biāo)準(zhǔn)
        3.3.3 損失函數(shù)
        3.3.4 實(shí)驗(yàn)結(jié)果
        3.3.5 對(duì)比實(shí)驗(yàn)
        3.3.6 可視化分析
    3.4 本章小結(jié)
第四章 輕量級(jí)人臉檢測(cè)算法研究
    4.1 算法基本框架
    4.2 輕量級(jí)特征提高模塊
    4.3 錨點(diǎn)致密策略
    4.4 實(shí)驗(yàn)及應(yīng)用
        4.4.1 數(shù)據(jù)集及實(shí)驗(yàn)設(shè)置
        4.4.2 評(píng)價(jià)標(biāo)準(zhǔn)
        4.4.3 PASCAL Face數(shù)據(jù)集
        4.4.4 AFW數(shù)據(jù)集
        4.4.5 FDDB數(shù)據(jù)集
        4.4.6 WIDER FACE數(shù)據(jù)集
        4.4.7 對(duì)比實(shí)驗(yàn)
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 研究工作總結(jié)
    5.2 未來(lái)工作展望
致謝
參考文獻(xiàn)
附錄:在讀期間發(fā)表的學(xué)術(shù)論文與取得的研究成果



本文編號(hào)：3197637