| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-24页 |
| 1.1 研究背景及意义 | 第14-17页 |
| 1.2 国内外研究现状 | 第17-21页 |
| 1.2.1 传统图像语义分割算法 | 第17-19页 |
| 1.2.2 基于深度学习的语义分割算法 | 第19-21页 |
| 1.3 研究内容与章节安排 | 第21-24页 |
| 第二章 图像语义分割的基础理论 | 第24-38页 |
| 2.1 全卷积网络模型 | 第24-28页 |
| 2.1.1 CNN与卷积化 | 第24-26页 |
| 2.1.2 上采样与跳跃结构 | 第26-28页 |
| 2.2 超像素分割算法 | 第28-32页 |
| 2.2.1 超像素分割概述 | 第28-30页 |
| 2.2.2 SLIC超像素分割算法 | 第30-32页 |
| 2.3 条件随机场模型 | 第32-36页 |
| 2.3.1 CRF模型定义 | 第32-34页 |
| 2.3.2 全连接条件随机场 | 第34-36页 |
| 2.4 本章小结 | 第36-38页 |
| 第三章 基于SLIC和CRF的图像语义分割改进算法 | 第38-52页 |
| 3.1 算法概览 | 第38-39页 |
| 3.2 提取粗糙特征 | 第39-42页 |
| 3.3 优化局部边缘 | 第42-46页 |
| 3.3.1 边缘优化算法框架 | 第42-43页 |
| 3.3.2 基于超像素的边缘优化算法 | 第43-45页 |
| 3.3.3 局部边缘优化效果 | 第45-46页 |
| 3.4 恢复精确边缘 | 第46-50页 |
| 3.4.1 求解CRF的概率分布 | 第46-49页 |
| 3.4.2 精确边缘恢复效果 | 第49-50页 |
| 3.5 本章小结 | 第50-52页 |
| 第四章 实验结果与分析 | 第52-68页 |
| 4.1 实验准备 | 第52-57页 |
| 4.1.1 实验平台 | 第52页 |
| 4.1.2 实验数据集 | 第52-55页 |
| 4.1.3 关键参数设置 | 第55-57页 |
| 4.2 实验结果与对比分析 | 第57-65页 |
| 4.2.1 语义分割的评价指标 | 第57-59页 |
| 4.2.2 关键步骤的必要性分析 | 第59-60页 |
| 4.2.3 实验结果的定性分析 | 第60-63页 |
| 4.2.4 实验结果的定量分析 | 第63-65页 |
| 4.3 本章小结 | 第65-68页 |
| 第五章 总结与展望 | 第68-70页 |
| 5.1 本文工作总结 | 第68-69页 |
| 5.2 未来工作展望 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76-78页 |
| 作者简介 | 第78-79页 |