| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 论文结构安排 | 第13-14页 |
| 第二章 弱监督学习下的图像语义分割技术研究 | 第14-31页 |
| 2.1 传统图像分割技术 | 第14-15页 |
| 2.2 深度学习理论基础 | 第15-21页 |
| 2.2.1 神经网络基础 | 第15-16页 |
| 2.2.2 深度学习模型基础结构 | 第16-21页 |
| 2.3 语义分割常用方法分析 | 第21-25页 |
| 2.3.1 上采样方法 | 第21-24页 |
| 2.3.2 条件随机场 | 第24-25页 |
| 2.4 弱监督语义分割方案 | 第25-30页 |
| 2.4.1 前端骨干网络架构 | 第25-26页 |
| 2.4.2 弱监督语义分割的三个准则 | 第26-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于多尺度特征的种子区域生成方法研究 | 第31-47页 |
| 3.1 基于梯度的类别激活映射图的生成方法 | 第31-33页 |
| 3.2 多尺度上下文信息的获取方法 | 第33-36页 |
| 3.3 基于多尺度特征提取模型的种子区域生成方案 | 第36-42页 |
| 3.3.1 模型总体框架结构 | 第36-37页 |
| 3.3.2 基于Res Net101V2 的主干网络 | 第37-39页 |
| 3.3.3 多尺度特征提取模型结构 | 第39-40页 |
| 3.3.4 多尺度热力图融合 | 第40-41页 |
| 3.3.5 模型损失函数 | 第41-42页 |
| 3.4 模型实验与结果分析 | 第42-46页 |
| 3.4.1 训练数据集介绍 | 第42-43页 |
| 3.4.2 数据的预处理与训练参数设定 | 第43页 |
| 3.4.3 评价指标与可视化分析 | 第43-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于种子区域生长的语义分割模型研究 | 第47-61页 |
| 4.1 DSRG—深度种子区域生长模型 | 第47-49页 |
| 4.2 改进模型方案 | 第49-55页 |
| 4.2.1 噪声抑制分支 | 第50-51页 |
| 4.2.2 注意力机制 | 第51-54页 |
| 4.2.3 模型总体框架结构 | 第54页 |
| 4.2.4 分割网络结构 | 第54-55页 |
| 4.2.5 模型损失函数 | 第55页 |
| 4.3 模型实验与结果分析 | 第55-59页 |
| 4.3.1 数据的预处理与训练参数设定 | 第56页 |
| 4.3.2 结果可视化分析 | 第56-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第五章 基于分割伪码重训练的语义分割模型研究 | 第61-67页 |
| 5.1 基于编码器解码器的分割网络结构 | 第61-63页 |
| 5.1.1 编码器-解码器结构 | 第61-62页 |
| 5.1.2 模型网络结构 | 第62-63页 |
| 5.2 模型实验与结果分析 | 第63-66页 |
| 5.2.1 训练数据集与超参数设定 | 第63页 |
| 5.2.2 结果可视化分析 | 第63-66页 |
| 5.3 本章小结 | 第66-67页 |
| 第六章 全文总结与展望 | 第67-69页 |
| 6.1 全文总结 | 第67-68页 |
| 6.2 未来工作展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间取得的成果 | 第74页 |