基于多任務(wù)學(xué)習(xí)的腫瘤醫(yī)學(xué)影像語義分割與分類研究
【文章頁數(shù)】:59 頁
【學(xué)位級別】:碩士
【部分圖文】:
圖2-1神經(jīng)元模型
規(guī)律對未知數(shù)據(jù)進(jìn)行預(yù)測,機(jī)器學(xué)習(xí)的應(yīng)用遍及人DeepLearning)是機(jī)器學(xué)習(xí)的子類,靈感來源于人深度神經(jīng)網(wǎng)絡(luò)來解決特征表達(dá)的學(xué)習(xí)過程,其階層的對其構(gòu)筑中的參數(shù)進(jìn)行更新以達(dá)成訓(xùn)練目標(biāo),該過深度學(xué)習(xí)發(fā)展迅速,在人像識別、機(jī)器翻譯、自動。括生物神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)(Artifi....
圖2-2多層感知器模型
哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文進(jìn)行全連接的單層感知器(Perceptron)模型,此模型較為簡單,故只能做線性分類任務(wù),無法解決異或類型的分類任務(wù),且計(jì)算層增加到兩層,計(jì)算量過大,沒有非常有效的學(xué)習(xí)算法,雖然如此,感知器模型為之后的神經(jīng)網(wǎng)絡(luò)提供了思路,此模型也是神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)。人....
圖2-3卷積過程示意圖
哈爾濱工業(yè)大學(xué)工程碩士學(xué)位論文為“寬卷積”。積過程及卷積層示意圖如2-3、2-4所示,對32×32×3的彩色圖像,采層深度為6)5×5×3的卷積核,步長為1,不進(jìn)行填充,則得到28×2接著采用10個(gè)5×5×6的卷積核進(jìn)行運(yùn)算,得到24×24×10的特征....
圖2-4卷積層示意圖
接著采用10個(gè)5×5×6的卷積核進(jìn)行運(yùn)算,得到24×24×10的特征圖。如上所述,卷積層就是對原式特征逐步進(jìn)行濃縮,最終得到可靠的特征,利用最后一層特征就可以做分割及分類。在卷積神經(jīng)網(wǎng)絡(luò)中,一般會在卷積層后加入激活函數(shù),以此來表達(dá)非線性因素,具體如2.2.2小節(jié)所....
本文編號:3930292
本文鏈接:http://www.sikaile.net/kejilunwen/shengwushengchang/3930292.html