弱监督学习在计算机视觉中的应用研究

声明

第一章绪论

1.2国内外研究现状与趋势

1.3本文的主要研究内容

1.4本论文的结构安排

第二章本文相关理论技术研究

2.1.1卷积方法

2.1.2池化方法

2.1.3深度卷积神经网络典型结构

2.1.4神经网络的训练优化方法

2.2弱监督学习的理论基础

2.2.2弱监督学习与计算机视觉问题的结合

2.3本章小结

第三章基于多尺度特征图的弱监督网络模型

3.2基于多尺度特征图的弱监督网络模型整体结构

3.3多尺度特征的构建

3.3.3基于Inception-ResNet-v2的多尺度特征提取

3.4弱监督学习的实现

3.4.1类别聚合池化

3.4.3多尺度预测聚合

3.5模型的训练方法

3.5.2模型总体损失函数

3.6类别热力图生成

3.7.1训练与测试数据集

3.7.3 Highlight损失函数的分析

3.7.4多尺度特征的可视化分析

3.7.5图像多分类任务

3.7.6目标定位任务

3.8本章小结

第四章基于可变形卷积的弱监督网络模型

4.2特征提取网络

4.3.2可变形卷积的结合方法

4.3.3基于可变形卷积转换层的设计

4.4弱监督学习的实现

4.5类别热力图生成方法

4.5.2多膨胀率热力图的融合

4.6.1训练设定和超参数选择

4.6.3图像多分类任务

4.6.4目标定位任务

4.7本章小结

第五章弱监督学习目标检测任务的实现

5.1基于热力图的目标检测框架

5.2评价指标

5.3实验对比

5.4可视化分析

5.5本章小结

第六章全文总结与展望

6.2后续工作展望

致谢

参考文献

攻硕期间取得的研究成果