| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-10页 |
| 1.1 研究背景和意义 | 第6页 |
| 1.2 研究现状 | 第6-7页 |
| 1.3 本文贡献 | 第7-8页 |
| 1.4 本文的章节安排 | 第8-10页 |
| 2 足迹数据集和全卷积神经网络 | 第10-18页 |
| 2.1 数据集介绍及其特点分析 | 第10-11页 |
| 2.2 卷积神经网络(CNN)和全卷积神经网络(FCN) | 第11-12页 |
| 2.3 分割网络基础结构和优化算法 | 第12-18页 |
| 2.3.1 卷积层和反卷积层 | 第12-14页 |
| 2.3.2 池化层 | 第14页 |
| 2.3.3 激活函数 | 第14-15页 |
| 2.3.4 学习过程 | 第15-18页 |
| 3 足迹分割 | 第18-24页 |
| 3.1 基于低尺度跳层结构的足迹分割(FCNLSL) | 第18-19页 |
| 3.2 基于多尺度损失函数的足迹分割(ML) | 第19-22页 |
| 3.2.1 多尺度深度学习框架 | 第19-20页 |
| 3.2.2 基于多尺度损失函数的足迹分割 | 第20-22页 |
| 3.3 基于多精细尺度损失函数的足迹分割(MFL) | 第22-24页 |
| 4 实验结果与评价 | 第24-36页 |
| 4.1 实验细节 | 第24-29页 |
| 4.1.1 实验流程 | 第24-25页 |
| 4.1.2 模型初始化 | 第25-27页 |
| 4.1.3 训练参数 | 第27-29页 |
| 4.1.4 数据增强 | 第29页 |
| 4.2 定性评价 | 第29-31页 |
| 4.3 定量评价 | 第31-36页 |
| 4.3.1 FCN、FCNLSL和ML | 第32页 |
| 4.3.2 ML和MFL | 第32-36页 |
| 5 不足和进一步工作 | 第36-39页 |
| 5.1 存在的问题 | 第36-37页 |
| 5.1.1 人工标注图 | 第36页 |
| 5.1.2 输入图像尺寸 | 第36-37页 |
| 5.1.3 相似纹理 | 第37页 |
| 5.2 进一步工作 | 第37-39页 |
| 结论 | 第39-40页 |
| 参考文献 | 第40-42页 |
| 攻读硕士学位期间发表学术论文情况 | 第42-43页 |
| 致谢 | 第43-45页 |
