基于深度卷积编解码器和对抗学习的图像语义分割
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 选题背景 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第二章 相关工作 | 第17-35页 |
| 2.1 卷积神经网络 | 第17-20页 |
| 2.1.1 卷积神经网络的发展 | 第17-18页 |
| 2.1.2 卷积神经网络结构 | 第18-20页 |
| 2.2 编码器-解码器结构 | 第20-27页 |
| 2.2.1 全卷积网络 | 第20-23页 |
| 2.2.2 SegNet | 第23-26页 |
| 2.2.3 LinkNet | 第26-27页 |
| 2.3 生成对抗网络 | 第27-31页 |
| 2.3.1 对抗学习的原理 | 第27-30页 |
| 2.3.2 对抗学习在图像分割上的应用 | 第30-31页 |
| 2.4 数据集及评价指标 | 第31-33页 |
| 2.4.1 常用的数据集 | 第31-32页 |
| 2.4.2 评价指标 | 第32-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第三章 基于改进LinkNet的图像语义分割 | 第35-51页 |
| 3.1 LinkNet网络模型 | 第35-38页 |
| 3.1.1 LinkNet结构和特点 | 第35-36页 |
| 3.1.2 基于ResNet结构的编码块 | 第36-38页 |
| 3.2 基于改进的LinkNet网络语义分割 | 第38-41页 |
| 3.2.1 LinkNet解码器设计 | 第38-39页 |
| 3.2.2 LinkNet解码器改进 | 第39-41页 |
| 3.3 实验结果与分析 | 第41-48页 |
| 3.3.1 对比模型与参数设置 | 第42-43页 |
| 3.3.2 实验结果与分析 | 第43-48页 |
| 3.4 本章小结 | 第48-51页 |
| 第四章 基于生成对抗网络的图像语义分割 | 第51-67页 |
| 4.1 生成对抗网络 | 第51-54页 |
| 4.1.1 生成对抗网络模型 | 第51-53页 |
| 4.1.2 引入条件约束的生成对抗网络 | 第53-54页 |
| 4.2 基于生成对抗网络的图像语义分割 | 第54-60页 |
| 4.2.1 引入生成对抗网络的图像语义分割 | 第54-56页 |
| 4.2.2 基于生成对抗网络的图像语义分割算法 | 第56-60页 |
| 4.3 实验结果与分析 | 第60-66页 |
| 4.4 本章小结 | 第66-67页 |
| 第五章 总结 | 第67-71页 |
| 5.1 工作总结 | 第67-68页 |
| 5.2 未来工作 | 第68-71页 |
| 参考文献 | 第71-77页 |
| 研究生期间的科研活动和研究成果 | 第77-79页 |
| 致谢 | 第79页 |
