| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 主要符号对照表 | 第15-18页 |
| 第一章 绪论 | 第18-28页 |
| 1.1 语义分割及内容检索简介 | 第18-19页 |
| 1.2 研究意义 | 第19-21页 |
| 1.3 算法框架 | 第21-23页 |
| 1.4 问题分析 | 第23-25页 |
| 1.5 研究现状 | 第25-26页 |
| 1.6 研究趋势 | 第26页 |
| 1.7 主要创新点 | 第26-27页 |
| 1.8 章节安排 | 第27-28页 |
| 第二章 相关工作 | 第28-42页 |
| 2.1 语义分割的特征 | 第28-30页 |
| 2.1.1 底层特征 | 第28-29页 |
| 2.1.2 统计特征 | 第29页 |
| 2.1.3 复合特征 | 第29-30页 |
| 2.2 传统分割算法 | 第30-34页 |
| 2.2.1 非监督分割算法 | 第30-31页 |
| 2.2.2 监督分割方法 | 第31-33页 |
| 2.2.3 基于贝叶斯理论的分割方法 | 第33-34页 |
| 2.3 深度卷积神经网络算法 | 第34-39页 |
| 2.3.1 深度卷积神经网络的特征 | 第34-36页 |
| 2.3.2 基于深度卷积神经网络特征的分割方法 | 第36页 |
| 2.3.3 端到端的深度卷积神经网络分割方法 | 第36-39页 |
| 2.4 基于内容的图像语义检索算法 | 第39-42页 |
| 2.4.1 图像语义检索的特征 | 第40页 |
| 2.4.2 图像语义检索的一般方法 | 第40-42页 |
| 第三章 结合深度信息的图像分割 | 第42-60页 |
| 3.1 深度图像概率边缘检测 | 第42-47页 |
| 3.1.1 深度图像预处理 | 第43-44页 |
| 3.1.2 深度不连续概率边缘估计 | 第44-47页 |
| 3.2 彩色图像预分割 | 第47-50页 |
| 3.2.1 空间选择 | 第47页 |
| 3.2.2 带宽选择 | 第47-49页 |
| 3.2.3 图像分割算法 | 第49-50页 |
| 3.3 校正算法 | 第50-56页 |
| 3.3.1 可靠深度不连续二值边缘校正算法 | 第50-52页 |
| 3.3.2 高斯混合模型 | 第52-55页 |
| 3.3.3 图割优化 | 第55-56页 |
| 3.4 实验及结论 | 第56-59页 |
| 3.5 小结及讨论 | 第59-60页 |
| 第四章 基于深度学习的语义分割 | 第60-100页 |
| 4.1 深度信息支持的深度卷积马尔科夫随机场的语义分割 | 第61-71页 |
| 4.1.1 深度估计 | 第61-62页 |
| 4.1.2 网络结构 | 第62-64页 |
| 4.1.3 深度信息支持的马尔科夫随机场 | 第64-67页 |
| 4.1.4 实验与小结 | 第67-71页 |
| 4.2 基于正则化全卷积神经网络的RGB-D语义分割 | 第71-81页 |
| 4.2.1 输入特征分析 | 第72-74页 |
| 4.2.2 类内关系与类间关系建模 | 第74-76页 |
| 4.2.3 损失函数 | 第76-78页 |
| 4.2.4 实验与小结 | 第78-81页 |
| 4.3 宽残差提纯边缘保留深度神经网络 | 第81-100页 |
| 4.3.1 深度神经网络特征分析 | 第84-86页 |
| 4.3.2 宽残差神经网络 | 第86-88页 |
| 4.3.3 提纯残留特征金字塔 | 第88-91页 |
| 4.3.4 滚动引导边缘保留层 | 第91-93页 |
| 4.3.5 实验与小结 | 第93-100页 |
| 第五章 语义分割在图像检索中的应用 | 第100-114页 |
| 5.1 语义特征提取 | 第101-107页 |
| 5.2 高效相似性度量与二步检索策略 | 第107-109页 |
| 5.3 实验与小结 | 第109-114页 |
| 第六章 总结与展望 | 第114-118页 |
| 6.1 研究工作总结 | 第114-115页 |
| 6.2 不足与展望 | 第115-118页 |
| 参考文献 | 第118-128页 |
| 致谢 | 第128-130页 |
| 在读期间发表的学术论文 | 第130-132页 |
| 在读期间参与的科研项目 | 第132页 |