| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题背景 | 第11-13页 |
| 1.1.1 文化创意产业 | 第11-12页 |
| 1.1.2 文化艺术图像鉴赏与分析 | 第12-13页 |
| 1.2 相关领域研究现状与存在的问题 | 第13页 |
| 1.3 本文的主要工作 | 第13-14页 |
| 1.4 本文的组织与结构 | 第14-16页 |
| 第2章 图像分割相关技术与研究现状 | 第16-33页 |
| 2.1 图像分割与图像语义分割 | 第16-17页 |
| 2.2 相关评估标准 | 第17-18页 |
| 2.3 基于非深度学习的图像分割算法 | 第18-20页 |
| 2.3.1 基于边缘检测的图像分割算法 | 第19页 |
| 2.3.2 基于色彩的图像分割算法 | 第19页 |
| 2.3.3 基于区域的图像分割算法 | 第19-20页 |
| 2.3.4 基于图论及概率图模型的图像分割算法 | 第20页 |
| 2.4 基于深度学习的图像分割算法 | 第20-32页 |
| 2.4.1 人工神经网络 | 第21-25页 |
| 2.4.2 卷积神经网络 | 第25-28页 |
| 2.4.3 基于全卷积神经网络的图像分割 | 第28-32页 |
| 2.5 总结 | 第32-33页 |
| 第3章 基于空洞卷积和超列特征的语义分割 | 第33-52页 |
| 3.1 引言 | 第33-34页 |
| 3.2 总体网络结构 | 第34-36页 |
| 3.3 基于空洞卷积的上采样 | 第36-38页 |
| 3.4 基于超列特征的特征提取模块 | 第38-40页 |
| 3.5 像素分类模块设计 | 第40-41页 |
| 3.6 批规范化与改进的激活函数 | 第41-43页 |
| 3.6.1 批规范化 | 第41-42页 |
| 3.6.2 改进的ReLU激活函数 | 第42-43页 |
| 3.7 实验结果分析 | 第43-51页 |
| 3.7.1 运行环境 | 第43-44页 |
| 3.7.2 在CamVid数据集上实验结果 | 第44-46页 |
| 3.7.3 在PASCAL VOC 2012数据集上实验结果 | 第46-49页 |
| 3.7.4 在艺术图像数据集上实验结果 | 第49-51页 |
| 3.8 总结 | 第51-52页 |
| 第4章 结合卷积神经网络与Graph-Cut算法的精细分割 | 第52-59页 |
| 4.1 引言 | 第52页 |
| 4.2 基于图割的图像分割算法:Graph-Cut | 第52-54页 |
| 4.3 结合卷积神经网络改进Graph-Cut算法 | 第54-56页 |
| 4.4 实验结果分析 | 第56-58页 |
| 4.5 总结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 总结 | 第59页 |
| 5.2 展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间主要的研究成果 | 第65-66页 |
| 致谢 | 第66页 |
