首先分析医学影像数据特点:图像语义较为简单,结构较为固定:都是一个固定的器官的成像。而且器官本身结构固定,语义信息没有特别丰富,所以高级语义信息和低级特征都非常重要。(U-net的skipconnection可以解决这个问题);数据量少:医学影...

全卷积神经网络(FCN)是目前语义分割最常用的网络，深度卷积神经网络(CNN)是图像级别语义理解的利器，一般是用于图像分类或者特征抽取，而FCN则是基于CNN实现的像素级别的语义理解，更加适用于图像语义分割、边缘检测等应用场景。...

此后，基于图像特征提取以实现图像检索的过程以及CBIR这一概念，被广泛应用于各种研究领域，如统计学、模式识别、信号处理和计算机视觉。

深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

纹理分割就是把相同或者一致纹理特征的区域聚类为一个大的区域。纹理是区域特性，要在一定范围的区域上才能反映或者测量。普通的图像分割，通常意味着传统语义分割，这个时期的图像分割（大概2010年前），由于计算机计算能力有限，...

不难。图像分类转语义分割不难，语义分割是最简单的，对每个像素做分类。图像分类，根据各自在图像信息中所反映的不同特征，把不同类别的目标区分开来的图像处理方法。

(1)底层特征的研究:  这一层次的研究主要聚焦如何高效提取出图像对象具有判别性能的特征,具体的研究内容通常包括:物体识别、字符识别等(2)中层语义特征的研究:  该层次的研究在于在识别出对象的基础上,对其位置、边缘等...

从模型的设计思路来看，其实AlexNet遵循了LeNet-5的思想，即使用交替的卷积层和池化层用于提取图像的高级语义特征，同时降低特征尺寸。然后使用全连接层/MLP作为分类层。但是，在细节部分，ALexNet引入了很多新的元素，用于解决...

1、媒体信息处理：图像低层特征的研究、图像高层语义特征的研究、音频特征的提取，以及基于内容的图像检索方法等；2、信息智能处理技术是信号与信息技术领域一个前沿的富有挑战性的研究方向，它以人工智能理论为基础，侧重于信息...

多媒体信息处理：图像低层特征的研究、图像高层语义特征的研究、音频特征的提取，以及基于内容的图像检索...数据挖掘与知识发现：Web挖掘、基于概念格的知识表示与知识发现、ontology的理论与应用、智能检索技术、数...