| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景跟意义 | 第9-10页 |
| 1.2 主要研究内容 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-17页 |
| 1.3.1 传统图像分割研究现状 | 第11-13页 |
| 1.3.2 基于深度学习的图像语义分割研究现状 | 第13-14页 |
| 1.3.3 对抗学习研究现状 | 第14-17页 |
| 1.4 论文的组织结构 | 第17-19页 |
| 第二章 深度学习简介 | 第19-28页 |
| 2.1 深度学习 | 第19-20页 |
| 2.2 卷积神经网络 | 第20-24页 |
| 2.3 对抗学习 | 第24-28页 |
| 第三章 一种基于室内场景语义分割的可学习的上下文正则化 | 第28-38页 |
| 3.1 引言 | 第28-29页 |
| 3.2 网络模型介绍 | 第29-32页 |
| 3.2.1 上下文约束 | 第29-30页 |
| 3.2.2 可学习的约束损失层 | 第30-32页 |
| 3.2.3 模型优化 | 第32页 |
| 3.3 实验 | 第32-37页 |
| 3.3.1 数据库和测评标准 | 第32-33页 |
| 3.3.2 对比模型和网络参数 | 第33-34页 |
| 3.3.3 实验结果 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于分割任务的条件对抗网络 | 第38-49页 |
| 4.1 引言 | 第38-39页 |
| 4.2 对抗网络模型 | 第39-45页 |
| 4.2.1 生成对抗网络基本模型 | 第39-40页 |
| 4.2.2 基于条件的生成对抗网络模型 | 第40-41页 |
| 4.2.3 分割对抗网络模型 | 第41-45页 |
| 4.3 实验 | 第45-48页 |
| 4.3.1 数据库和评价标准 | 第45页 |
| 4.3.2 实验结果 | 第45-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 5.1 本文工作总结 | 第49页 |
| 5.2 未来工作展望 | 第49-51页 |
| 参考文献 | 第51-56页 |
| 硕士期间发表的学术论文和参与的科研项目 | 第56-57页 |
| 一、发表的学术论文 | 第56页 |
| 二、参与的科研项目 | 第56-57页 |
| 致谢 | 第57-58页 |