基于深度卷积神经网络的图像语义分割
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第13-17页 |
| 1.1 本课题研究背景及意义 | 第13-15页 |
| 1.2 本文主要工作 | 第15-16页 |
| 1.3 本文组织安排 | 第16-17页 |
| 第2章 本文相关技术研究 | 第17-31页 |
| 2.1 卷积神经网络 | 第17-22页 |
| 2.1.1 卷积神经网络概述 | 第17-18页 |
| 2.1.2 卷积神经网络结构 | 第18-20页 |
| 2.1.3 经典卷积神经网络模型 | 第20-21页 |
| 2.1.4 卷积神经网络小结 | 第21-22页 |
| 2.2 图像分割技术 | 第22-24页 |
| 2.2.1 阈值分割 | 第22页 |
| 2.2.2 边缘检测 | 第22-23页 |
| 2.2.3 区域分割 | 第23页 |
| 2.2.4 结合特定理论的分割方法 | 第23-24页 |
| 2.3 图像语义分割 | 第24-30页 |
| 2.3.1 基于区域的图像语义分割 | 第25-26页 |
| 2.3.2 基于深度卷积神经网络的图像语义分割 | 第26-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于多尺度池化及多级训练的语义分割算法 | 第31-49页 |
| 3.1 剖析全卷积神经网络的语义分割算法 | 第31-33页 |
| 3.2 基于多尺度池化及多级训练的语义分割算法 | 第33-40页 |
| 3.2.1 算法概述 | 第33-34页 |
| 3.2.2 迁移学习 | 第34页 |
| 3.2.3 多尺度池化 | 第34-37页 |
| 3.2.4 上采样 | 第37-38页 |
| 3.2.5 多级训练 | 第38-40页 |
| 3.3 算法仿真 | 第40-48页 |
| 3.3.1 实验环境 | 第40页 |
| 3.3.2 实验数据 | 第40-41页 |
| 3.3.3 实验步骤 | 第41-44页 |
| 3.3.4 实验结果和分析 | 第44-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第4章 基于边界点重定义的语义分割算法 | 第49-57页 |
| 4.1 问题描述 | 第49页 |
| 4.2 基于区域划分的边界点重定义算法 | 第49-53页 |
| 4.2.1 标定待分类点 | 第50-51页 |
| 4.2.2 区域划分 | 第51-53页 |
| 4.2.3 边界点重新分类 | 第53页 |
| 4.3 算法仿真 | 第53-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第5章 基于语义分割的目标检测和场景识别应用 | 第57-65页 |
| 5.1 基于语义分割的飞行目标检测应用 | 第57-60页 |
| 5.1.1 概述 | 第57页 |
| 5.1.2 空中飞行目标检测 | 第57-58页 |
| 5.1.3 实验结果 | 第58-60页 |
| 5.2 基于语义分割的街道场景识别应用 | 第60-63页 |
| 5.2.1 概述 | 第60页 |
| 5.2.2 街道场景识别 | 第60-62页 |
| 5.2.3 实验结果 | 第62-63页 |
| 5.3 本章小结 | 第63-65页 |
| 第6章 结论与展望 | 第65-67页 |
| 6.1 本文工作总结 | 第65-66页 |
| 6.2 未来研究方向 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第73页 |
