基于CRF的图像语义理解算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 课题的研究背景和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文的研究内容 | 第10-11页 |
| 1.4 本文的结构组织 | 第11-12页 |
| 第二章 图像语义理解常用的理论方法 | 第12-21页 |
| 2.1 引言 | 第12页 |
| 2.2 图像语义理解的常用理论 | 第12-15页 |
| 2.2.1 条件随机场 | 第12-13页 |
| 2.2.2 深度学习理论 | 第13-14页 |
| 2.2.3 图像分割理论 | 第14-15页 |
| 2.3 基于条件随机场的图像语义理解 | 第15-19页 |
| 2.3.1 能量表达式的构建 | 第16-17页 |
| 2.3.2 能量函数最优化求解 | 第17-18页 |
| 2.3.3 实验结果与分析 | 第18-19页 |
| 2.4 本章小结 | 第19-21页 |
| 第三章 基于深度学习和超像素分割的图像语义理解 | 第21-32页 |
| 3.1 引言 | 第21-22页 |
| 3.2 基于深度学习的图像语义理解 | 第22-24页 |
| 3.2.1 构建CNN模型 | 第22-23页 |
| 3.2.2 提取图像特征 | 第23页 |
| 3.2.3 像素类别标注 | 第23-24页 |
| 3.2.4 多尺度交叉迭代训练 | 第24页 |
| 3.3 超像素分割算法 | 第24-27页 |
| 3.3.1 SLIC算法描述 | 第24-25页 |
| 3.3.2 SLIC算法实现 | 第25-26页 |
| 3.3.3 SLIC分割结果 | 第26-27页 |
| 3.4 结合深度学习与超像素分割 | 第27页 |
| 3.5 实验结果与分析 | 第27-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第四章 基于深度学习和条件随机场的图像语义理解 | 第32-39页 |
| 4.1 引言 | 第32-33页 |
| 4.2 CNN模型框架 | 第33页 |
| 4.3 CRF平滑约束 | 第33-35页 |
| 4.4 损失函数计算及迭代训练 | 第35页 |
| 4.5 实验结果与分析 | 第35-38页 |
| 4.6 本章小结 | 第38-39页 |
| 第五章 总结与展望 | 第39-40页 |
| 5.1 工作总结 | 第39页 |
| 5.2 未来展望 | 第39-40页 |
| 参考文献 | 第40-44页 |
| 发表论文和科研情况说明 | 第44-45页 |
| 致谢 | 第45-46页 |
