基于深度神经网络的慢性创面图像分割与识别方法研究

目录

声明

第一章 绪论

1.1 研究背景及意义

1.1.1 研究背景

1.1.2 研究意义

1.2 国内外研究现状

1.2.1 数据增强方法

1.2.2 图像分割与识别方法

1.2.3 后处理方法

1.3 本文研究工作概述

1.4 论文内容安排

第二章 基于GANs的慢性创面图像增强网络

2.1 绪论

2.2 相关工作

2.2.1 传统图像数据增强方法介绍

2.2.1 神经网络进行图像数据增强方法介绍

2.3 基于GANs的慢性创面图像数据增强网络

2.3.1 生成器网络结构

2.3.2 判别器网络结构

2.3.3 训练细节与参数设置

2.4 实验结果与分析

2.4.1 实验环境

2.4.2 数据集简介

2.4.3 结果与分析

2.5 本章小结

第三章 基于U-net的慢性创面图像分割与识别网络

3.1 绪论

3.2 相关工作

3.2.1 U-net网络框架

3.2.2 带洞卷积操作（Atrous Convolution）

3.3 基于U-net的慢性创面图像分割与识别网络

3.3.1 网络创建

3.3.2 训练细节与参数设置

3.4 实验结果与分析

3.4.1 实验准备

3.4.2 实验结果与分析

3.5 本章小结

第四章 基于全连接CRF的慢性创面图像分割与识别后处理方法

4.1 绪论

4.2 相关工作

4.3 基于全连接CRF的慢性创面图像分割与识别后处理方法

4.3.1 全连接CRF应用于图像分割后处理

4.3.2 算法优化

4.4 实验结果与分析

4.5 本章小结

第五章 结束语

5.1 工作总结

5.2 工作展望

致 谢

参考文献

作者在学期间取得的学术成果

发表的学术论文

参研的主要项目