基于循环全卷积网络的显著性检测
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-15页 |
| 1.1 课题背景及研究意义 | 第6-8页 |
| 1.2 研究现状及发展前景 | 第8-13页 |
| 1.2.1 启发式显著性检测 | 第8-11页 |
| 1.2.2 基于学习的显著性检测 | 第11-13页 |
| 1.3 全文章节安排 | 第13-15页 |
| 2 相关研究及本文工作 | 第15-28页 |
| 2.1 神经网络特性与原理 | 第15-24页 |
| 2.1.1 神经网络特性 | 第16-20页 |
| 2.1.2 卷积神经网络 | 第20-24页 |
| 2.2 本文工作及主要贡献 | 第24-28页 |
| 3 基于循环全卷积网络的显著性检测 | 第28-41页 |
| 3.1 超像素分割与显著性先验图的获取 | 第28-32页 |
| 3.1.1 图像超像素分割 | 第28-31页 |
| 3.1.2 获取先验图 | 第31-32页 |
| 3.2 基于循环网络的显著性检测模型 | 第32-38页 |
| 3.2.1 全卷积网络模型 | 第32-35页 |
| 3.2.2 循环网络模型 | 第35-36页 |
| 3.2.3 网络的训练 | 第36-38页 |
| 3.3 后处理 | 第38-41页 |
| 4 实验结果与分析 | 第41-53页 |
| 4.1 数据库介绍 | 第41-42页 |
| 4.2 实验细节说明 | 第42-44页 |
| 4.3 子模块性能分析 | 第44-45页 |
| 4.4 与经典算法的比较 | 第45-51页 |
| 4.5 算法的局限性 | 第51-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 攻读硕士学位期间发表学术论文情况 | 第59-60页 |
| 致谢 | 第60-62页 |
