基于深度卷積網(wǎng)絡(luò)的皮膚病變圖像自動(dòng)分割與識(shí)別研究
【文章頁數(shù)】:72 頁
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖2一步長為l的二維卷積運(yùn)算示意圖
北京郵電大學(xué)工學(xué)碩士學(xué)位論文卷積神經(jīng)網(wǎng)絡(luò)強(qiáng)大的特征提取能力,這也是卷為全面的介紹卷積運(yùn)算的原理和卷積的特性,因卷積操作區(qū)別于其他類別神經(jīng)網(wǎng)絡(luò)。卷積層kernel)進(jìn)行離散卷積操作。卷積運(yùn)算可視為卷積程,卷積層的輸出稱為特征圖(featuremaps),里的卷積操作并非嚴(yán)格等價(jià)于數(shù)....
圖2-3多通道輸入卷積運(yùn)算簡單示例圖??
圖2-4?VGG16網(wǎng)絡(luò)模型??
特點(diǎn):分離融合結(jié)構(gòu)和卷積分解。卷積分解的目的是壓縮模型參數(shù)數(shù)量,從類似??VGG16的多個(gè)小卷積層替代大卷積層,到極致地將卷積分解為lxn和nxl的卷??積層,衍生出Inception網(wǎng)絡(luò)不同的版本。對(duì)于分離融合結(jié)構(gòu),如圖2-5展示的??InceptionVl網(wǎng)絡(luò)模型的Incep....
圖2-6殘差模塊結(jié)構(gòu)??
度網(wǎng)絡(luò)仍會(huì)陷入模型退化的問題。ResNet網(wǎng)絡(luò)基于殘差學(xué)習(xí)的思想,將殘差結(jié)構(gòu)引??入到模型中,利用殘差函數(shù)來逼近高度抽象的恒等映射,同時(shí)短路連接也促進(jìn)梯度信息??的流動(dòng),使得能夠訓(xùn)練更深的網(wǎng)絡(luò),模型性能得以提升。殘差結(jié)構(gòu)如圖2-6所示:??c-dimension?c-dimens....
本文編號(hào):4026948
本文鏈接:http://www.lk138.cn/yixuelunwen/pifb/4026948.html
下一篇:沒有了