基于分组膨胀卷积和级联网络的语义分割算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及研究的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 本文主要研究内容 | 第13页 |
| 1.4 本文的结构 | 第13-15页 |
| 第2章 深度学习与语义分割 | 第15-29页 |
| 2.1 引言 | 第15页 |
| 2.2 基于全监督训练的语义分割方法 | 第15-24页 |
| 2.2.1 全卷积神经网络方法 | 第16-19页 |
| 2.2.2 基于自编码的语义分割方法 | 第19-22页 |
| 2.2.3 基于膨胀卷积的语义分割方法 | 第22-24页 |
| 2.3 基于弱监督训练的语义分割方法 | 第24-28页 |
| 2.3.1 基于物体框的语义分割方法 | 第24-25页 |
| 2.3.2 基于图像标签的语义分割算法 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于膨胀卷积的语义分割算法改进 | 第29-40页 |
| 3.1 引言 | 第29页 |
| 3.2 感受野 | 第29-31页 |
| 3.3 基准模型介绍 | 第31-33页 |
| 3.3.1 主要结构 | 第31-33页 |
| 3.3.2 可改进之处 | 第33页 |
| 3.4 改进的分组膨胀卷积 | 第33-36页 |
| 3.4.1 分组膨胀卷积结构 | 第33-36页 |
| 3.4.2 网络总体结构设计 | 第36页 |
| 3.5 改进的级联全卷积网络 | 第36-38页 |
| 3.5.1 特征提取模块 | 第37页 |
| 3.5.2 级联网络整体结构 | 第37-38页 |
| 3.6 本章小结 | 第38-40页 |
| 第4章 实验结果与分析 | 第40-49页 |
| 4.1 引言 | 第40页 |
| 4.2 实验条件介绍 | 第40-42页 |
| 4.2.1 实验设置及实验环境 | 第40页 |
| 4.2.2 数据集介绍 | 第40-41页 |
| 4.2.3 评价指标 | 第41-42页 |
| 4.3 改进方法的实验对比 | 第42-48页 |
| 4.3.1 网络训练基本设置 | 第42-43页 |
| 4.3.2 改进的分组膨胀卷积结构的对比实验 | 第43-46页 |
| 4.3.3 改进的级联全卷积网络的对比实验 | 第46-48页 |
| 4.4 与文献中方法的对比 | 第48页 |
| 4.5 本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士期间发表的论文及其它成果 | 第55-57页 |
| 致谢 | 第57页 |
