| 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 |