| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-22页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-19页 |
| 1.2.1 传统语义分割算法研究简介 | 第11-12页 |
| 1.2.2 基于深度学习的语义分割研究现状 | 第12-16页 |
| 1.2.3 语义分割算法的关键技术和挑战 | 第16-17页 |
| 1.2.4 小目标分割问题研究现状 | 第17-19页 |
| 1.3 主要工作 | 第19-20页 |
| 1.4 论文结构 | 第20-22页 |
| 第2章 预备知识 | 第22-35页 |
| 2.1 卷积神经网络的发展 | 第22-23页 |
| 2.2 卷积神经网络的结构 | 第23-29页 |
| 2.2.1 全连接层和卷积层 | 第24-26页 |
| 2.2.2 激活层和池化层 | 第26-29页 |
| 2.3 卷积神经网络的训练 | 第29-30页 |
| 2.3.1 反向传播算法 | 第29-30页 |
| 2.3.2 梯度下降算法 | 第30页 |
| 2.4 基于卷积神经网络的语义分割 | 第30-32页 |
| 2.5 常用评价指标和数据集 | 第32-34页 |
| 2.5.1 常用评价指标 | 第32页 |
| 2.5.2 常用数据集 | 第32-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第3章 小目标敏感的双通道卷积神经网络语义分割算法 | 第35-52页 |
| 3.1 问题描述 | 第35-36页 |
| 3.2 全卷积神经网络简介 | 第36-38页 |
| 3.3 算法描述 | 第38-43页 |
| 3.3.1 模型提出 | 第38-40页 |
| 3.3.2 卷积神经网络的结构 | 第40-41页 |
| 3.3.3 神经网络训练 | 第41-42页 |
| 3.3.4 神经网络模型的融合 | 第42-43页 |
| 3.4 实验分析 | 第43-49页 |
| 3.4.1 实验运行环境和网络参数的设置 | 第43-44页 |
| 3.4.2 实验过程和步骤 | 第44-45页 |
| 3.4.3 实验结果比较和分析 | 第45-49页 |
| 3.5 本章小结 | 第49-52页 |
| 第4章 小目标敏感的端到端差异网络语义分割算法 | 第52-69页 |
| 4.1 问题描述 | 第52-53页 |
| 4.2 算法描述 | 第53-58页 |
| 4.2.1 模型设计 | 第53-55页 |
| 4.2.2 卷积神经网络的结构 | 第55-56页 |
| 4.2.3 网络模型的训练 | 第56-58页 |
| 4.3 实验分析 | 第58-68页 |
| 4.3.1 网络参数设置及其他训练细节 | 第58-60页 |
| 4.3.2 实验过程和步骤 | 第60-61页 |
| 4.3.3 实验结果比较和分析 | 第61-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第5章 结合目标检测的小目标语义分割算法 | 第69-85页 |
| 5.1 引言 | 第69-70页 |
| 5.2 目标检测和语义分割方法 | 第70-75页 |
| 5.2.1 YOLO v2目标检测 | 第70-72页 |
| 5.2.2 DeepLab语义分割 | 第72-75页 |
| 5.3 算法描述 | 第75-79页 |
| 5.3.1 算法框架 | 第75-76页 |
| 5.3.2 小目标分割网络的结构分析和设计 | 第76-77页 |
| 5.3.3 小目标分割网络的训练 | 第77-79页 |
| 5.4 实验结果和分析 | 第79-82页 |
| 5.5 本章小结 | 第82-85页 |
| 第6章 总结与展望 | 第85-86页 |
| 6.1 工作总结 | 第85页 |
| 6.2 未来展望 | 第85-86页 |
| 参考文献 | 第86-92页 |
| 附录 | 第92-93页 |
| 致谢 | 第93-94页 |