首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于深度学习和条件随机场模型的图像语义分割研究

摘要第5-7页
ABSTRACT第7-8页
符号对照表第11-12页
缩略语对照表第12-16页
第一章 绪论第16-30页
    1.1 研究背景第16-18页
        1.1.1 计算机视觉的发展与应用第16-17页
        1.1.2 图像语义分割的发展与应用第17-18页
    1.2 国内外研究现状第18-27页
        1.2.1 图像分割算法框架与分类第18-20页
        1.2.2 图像分割算法概述第20-24页
        1.2.3 图像分割数据集与构建策略第24-27页
    1.3 本文主要工作第27-28页
    1.4 本文组织安排第28-30页
第二章 相关技术研究第30-42页
    2.1 基于深度学习的图像语义分割方法第30-34页
        2.1.1 全卷积神经网络模型第31-32页
        2.1.2 深度残差神经网络模型第32-34页
    2.2 条件随机场建模与求解第34-37页
        2.2.1 条件随机场建模与应用第34-35页
        2.2.2 全连接密集型条件随机场建模第35-36页
        2.2.3 条件随机场模型求解算法第36-37页
    2.3 图像超像素分割第37-39页
        2.3.1 超像素分割与应用第37-38页
        2.3.2 超像素分割算法第38-39页
    2.4 图像特征提取与预处理第39-41页
        2.4.1 图像全局和局部特征第39-40页
        2.4.2 图像降维预处理第40-41页
    2.5 本章小结第41-42页
第三章 基于超像素的图像语义分割系统研究第42-60页
    3.1 总体设计第42-45页
        3.1.1 设计思路第42-44页
        3.1.2 系统总体架构设计第44-45页
    3.2 深度学习前端分类器第45页
    3.3 无监督的超像素分割第45-47页
    3.4 基于超像素概率分布的密集型条件随机场建模第47-53页
        3.4.1 超像素概率分布求解第47页
        3.4.2 超像素重分割策略第47-48页
        3.4.3 条件随机场的建模第48-49页
        3.4.4 条件随机场势函数的构建第49-52页
        3.4.5 基于超像素和高斯核的密集型条件随机场第52-53页
        3.4.6 条件随机场参数学习策略第53页
    3.5 基于平均场理论和线性规划的模型求解第53-58页
        3.5.1 基于平均场理论的模型求解第53-55页
        3.5.2 基于线性规划的模型求解第55-58页
    3.6 本章小结第58-60页
第四章 平均场求解算法的端对端实现研究第60-70页
    4.1 基于端对端结构的模型设计策略第60-61页
        4.1.1 端对端设计思路第60-61页
        4.1.2 模型总体结构设计第61页
    4.2 基于平均场求解算法的神经网络设计第61-65页
        4.2.1 初始化步骤第62-63页
        4.2.2 信息传递步骤第63页
        4.2.3 加权滤波器输出步骤第63-64页
        4.2.4 兼容性转换步骤第64页
        4.2.5 一元势能的合并步骤第64-65页
        4.2.6 归一化步骤第65页
    4.3 端对端深度卷积网络模型设计第65-68页
        4.3.1 平均场算法改造:CRF as RNN模块第65-67页
        4.3.2 端对端深度卷积网络模型结构设计第67-68页
    4.4 本章小结第68-70页
第五章 实验测试与分析第70-86页
    5.1 实验测试平台构建第70-74页
        5.1.1 实验数据集第70-71页
        5.1.2 实验质量评价指标第71-73页
        5.1.3 实验硬件平台第73页
        5.1.4 实验软件平台第73-74页
    5.2 实验总体测试与分析第74-77页
        5.2.1 实验总体说明第74页
        5.2.2 系统的定性评估第74-75页
        5.2.3 系统的定量评估第75-77页
    5.3 模型求解算法的测试与分析第77-78页
        5.3.1 模型求解算法说明第77-78页
        5.3.2 模型求解算法质量评价第78页
    5.4 不同算法参数的测试与分析第78-80页
        5.4.1 不同二元高斯核的测试与分析第78-79页
        5.4.2 算法复杂度的测试与分析第79-80页
        5.4.3 超像素算法参数的测试与分析第80页
    5.5 端对端分割网络的实验测试与分析第80-84页
        5.5.1 前后端模块融合说明第80-81页
        5.5.2 端对端网络分割效果的质量评价第81-83页
        5.5.3 标记兼容性函数的参数学习第83-84页
    5.6 本章小结第84-86页
第六章 总结与展望第86-88页
    6.1 本文总结第86-87页
    6.2 未来工作展望第87-88页
参考文献第88-98页
致谢第98-100页
作者简介第100-101页

论文共101页,点击 下载论文
上一篇:基于PLC的自动平衡控制系统及方法研究
下一篇:极限学习机结构自组织的研究与应用