基于深度学习的图像语义分割研究与应用
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 引言 | 第7-14页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 研究现状 | 第8-10页 |
| 1.3 数据介绍 | 第10-12页 |
| 1.3.1 PASCAL VOC 2012 | 第10-11页 |
| 1.3.2 Cityscapes | 第11-12页 |
| 1.4 研究内容 | 第12-14页 |
| 第2章 基于全卷积神经网络的模型分析和改进 | 第14-23页 |
| 2.1 全卷积网络 | 第14-18页 |
| 2.2 全卷积网络的细节改进 | 第18-21页 |
| 2.2.1 数据处理 | 第18页 |
| 2.2.2 网络选择 | 第18-19页 |
| 2.2.3 训练流程 | 第19-20页 |
| 2.2.4 框架扩展 | 第20-21页 |
| 2.3 本章小结 | 第21-23页 |
| 第3章 全局卷积网络 | 第23-37页 |
| 3.1 本章引论 | 第23页 |
| 3.2 有效感受野 | 第23-30页 |
| 3.2.1 感受野和有效感受野 | 第23-27页 |
| 3.2.2 有效感受野对图像语义分割的影响 | 第27-30页 |
| 3.3 基于提升有效感受野的网络改进 | 第30-36页 |
| 3.3.1 全局卷积网络和单个卷积设计的比较 | 第32-33页 |
| 3.3.2 全局卷积网络和层叠卷积设计的比较 | 第33-34页 |
| 3.3.3 全局卷积网络的指向性 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 边缘精炼网络 | 第37-41页 |
| 4.1 本章引论 | 第37页 |
| 4.2 边缘精炼网络的设计和研究 | 第37-40页 |
| 4.3 本章小结 | 第40-41页 |
| 第5章 数据实验和结果分析 | 第41-55页 |
| 5.1 本章引论 | 第41-42页 |
| 5.2 基础网络实验和分析 | 第42-45页 |
| 5.3 DenseCRF | 第45-49页 |
| 5.4 VOC2012实验和分析 | 第49-50页 |
| 5.5 Cityscapes实验和分析 | 第50-52页 |
| 5.6 本章小结 | 第52-55页 |
| 第6章 研究总结和未来展望 | 第55-57页 |
| 6.1 本文总结 | 第55-56页 |
| 6.2 图像语义分割的进一步研究方向 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-63页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第63页 |
