| Acknowledgements | 第7-8页 |
| Abstract | 第8-9页 |
| 摘要 | 第10-19页 |
| Chapter 1 Introduction | 第19-41页 |
| 1.1 Motivation and Scope | 第20-21页 |
| 1.2 Background | 第21-26页 |
| 1.2.1 Machine Learning | 第21-23页 |
| 1.2.2 Computer Vision | 第23-26页 |
| 1.3 Related Works | 第26-37页 |
| 1.3.1 Semantic Segmentation | 第26-32页 |
| 1.3.2 The Encoder and Decoder Network | 第32-37页 |
| 1.4 Dissertation Organization | 第37-41页 |
| 1.4.1 Research Flowchart | 第37-38页 |
| 1.4.2 Dissertation Chapters | 第38-41页 |
| Chapter 2 Decoupled Convolution Neural Network | 第41-57页 |
| 2.1 Semantic Segmentation | 第42-43页 |
| 2.2 CNN for Classification and Segmentation | 第43-45页 |
| 2.3 Algorithm Overview | 第45-46页 |
| 2.4 DCSeg Architecture | 第46-49页 |
| 2.4.1 Classification Network | 第47-48页 |
| 2.4.2 Semantic Segmentation Network | 第48-49页 |
| 2.4.3 Bridging Layers | 第49页 |
| 2.5 Training | 第49-50页 |
| 2.6 Experiments | 第50-55页 |
| 2.6.1 Implementation Details | 第50-52页 |
| 2.6.2 Results and Analysis | 第52-55页 |
| 2.7 Chapter Summary | 第55-57页 |
| Chapter 3 Simplified Convolution Neural Network | 第57-73页 |
| 3.1 Simplified CNN Inspiration | 第58-59页 |
| 3.2 Simplifying CNNs | 第59-60页 |
| 3.3 Algorithm Overview | 第60-63页 |
| 3.4 SCNet Architecture | 第63-66页 |
| 3.5 Training | 第66-67页 |
| 3.6 Experiments | 第67-71页 |
| 3.6.1 Implementation Details | 第67-68页 |
| 3.6.2 Results and Analysis | 第68-71页 |
| 3.7 Chapter Summary | 第71-73页 |
| Chapter 4 An Encoder-Decoder based Convolution Neural Network | 第73-97页 |
| 4.1 CNN for Advanced Driver Assistance System | 第74-76页 |
| 4.2 Evolution of Encoder-Decoder CNN | 第76-77页 |
| 4.3 Algorithm Overview | 第77-78页 |
| 4.4 CSSA Architecture | 第78-83页 |
| 4.5 Training | 第83-84页 |
| 4.6 Experiments | 第84-94页 |
| 4.6.1 Implementation Details | 第84-86页 |
| 4.6.2 Results and Analysis | 第86-94页 |
| 4.7 Chapter Summary | 第94-97页 |
| Chapter 5 A Deeper CNN for Road-Scene Understanding | 第97-115页 |
| 5.1 Technology Overview | 第98-99页 |
| 5.2 CNN for Scene Understanding | 第99-100页 |
| 5.3 Algorithm Overview | 第100-103页 |
| 5.4 ECRU Architecture | 第103-104页 |
| 5.5 Training | 第104-105页 |
| 5.6 Experiments | 第105-112页 |
| 5.6.1 Implementation Details | 第105-109页 |
| 5.6.2 Results and Analysis | 第109-112页 |
| 5.7 Chapter Summary | 第112-115页 |
| Chapter 6 Binarizing Convolution Neural Network | 第115-133页 |
| 6.1 Reducing CNN Size | 第115-117页 |
| 6.2 Problem Statement | 第117-119页 |
| 6.2.1 Less Training Time | 第118页 |
| 6.2.2 Small Models | 第118-119页 |
| 6.2.3 Embedded Deployment | 第119页 |
| 6.3 Proposed Architecture | 第119-122页 |
| 6.3.1 Inspiration | 第119-120页 |
| 6.3.2 Binarizing CNN | 第120-122页 |
| 6.3.3 Binarization of Gradient | 第122页 |
| 6.4 Algorithm Overview | 第122-125页 |
| 6.5 Binary Convolutional Neural Network | 第125-129页 |
| 6.5.1 Binarizing CNN Weights | 第125-128页 |
| 6.5.2 Binarizing Input | 第128-129页 |
| 6.6 Experiment | 第129-131页 |
| 6.6.1 Implementation Details | 第129-130页 |
| 6.6.2 Results and Analysis | 第130-131页 |
| 6.7 Chapter Summary | 第131-133页 |
| Chapter 7 Conclusion and Future Work | 第133-137页 |
| 7.1 Conclusion | 第133-135页 |
| 7.2 Future Work | 第135-137页 |
| Bibliography | 第137-149页 |
| Appendix A | 第149-151页 |
| A.1 CamVid Dataset Sample Images | 第149-150页 |
| A.2 Base version for SCNet | 第150-151页 |
| Appendix B | 第151-152页 |
| B.1 Relationship to Published Work | 第151-152页 |
| B.2 Publications List | 第152页 |
| B.2.1 Published Papers | 第152页 |
| B.2.2 Under Review Papers | 第152页 |
