声明
第一章 绪论
1.1 研究背景及内容
1.1.1 研究背景
1.1.2 研究内容
1.2 国内外研究现状
1.2.1 自步学习研究现状
1.2.2 主动学习研究现状
1.2.3 现有主动学习算法分析
1.3 本文主要内容和创新
1.4 本文组织结构
第二章 自步多样性学习相关理论与算法
2.1 自步学习
2.1.1 自步学习算法
2.1.2 自步多样性学习算法
2.1.3 自步学习算法在图像分割的应用
2.2 主动学习
2.2.1 主动学习框架
2.2.2 主动学习数据查询策略
2.3 基于深度学习的图像语义分割
2.3.1 自然图像分割
2.3.2 医学图像分割
2.4 本章小结
第三章 基于委员会查询的自步多样性学习
3.1 基于委员会查询的自步学习
3.1.1 基于委员会查询算法的样本难易程度评估
3.1.2 用于图像分割的自步学习算法
3.2 自步多样性学习
3.2.1 数据多样性算法设计
3.2.2 自步多样性算法
3.3 自步学习算法收敛性证明
3.4 本章小结
第四章 模型与实验
4.1 实验数据说明
4.1.1 视网膜血管分割
4.1.2 基于胸部X光片的器官分割
4.1.3 基于数字显微组织图像的核细胞分割
4.2 模型评估方法
4.3 实验
4.3.1 视网膜血管分割
4.3.2 基于胸部X光片的器官分割
4.3.3 基于数字显微镜组织图像的核细胞分割
4.4 实验结果分析
4.4.1 SPLD 算法对模型性能的提升
4.4.2 委员会成员个数与模型性能的关系
4.5 算法有效性证明
4.6 本章小结
总结与展望
参考文献
攻读硕士学位期间取得的科研成果
致谢
西北大学;