基于协同分割的视频目标分割算法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第14-26页 |
| 1.1 视频分割与协同分割问题的背景 | 第14-16页 |
| 1.2 相关工作 | 第16-22页 |
| 1.2.1 经典图像分割算法回顾 | 第16-17页 |
| 1.2.2 作为二值分类的视频分割问题 | 第17-19页 |
| 1.2.3 协同分割 | 第19-22页 |
| 1.3 本文的主要贡献和章节安排 | 第22-26页 |
| 第二章 时间连续的视频协同分割 | 第26-44页 |
| 2.1 引言 | 第26-28页 |
| 2.2 卷积神经网络 | 第28-29页 |
| 2.3 时空参数化图割 | 第29-31页 |
| 2.4 针对视频的联合能量函数 | 第31-35页 |
| 2.4.1 相似背景协同分割 | 第31-33页 |
| 2.4.2 基于低层视觉特征和显著性的分割先验 | 第33-35页 |
| 2.5 能量函数最小化 | 第35-36页 |
| 2.6 实验结果和分析 | 第36-43页 |
| 2.7 本章小结 | 第43-44页 |
| 第三章 基于时域树的多分量协同视频分割 | 第44-64页 |
| 3.1 传递式学习回顾 | 第44-47页 |
| 3.2 作为传递式回归的协同视频分割问题 | 第47-49页 |
| 3.3 基于时域树的视频协同分割 | 第49-55页 |
| 3.3.1 子节点的生长 | 第52-54页 |
| 3.3.2 多个分量学习 | 第54页 |
| 3.3.3 多分量模型间的关系 | 第54-55页 |
| 3.4 实验结果和分析 | 第55-62页 |
| 3.5 本章小结 | 第62-64页 |
| 第四章 总结和展望 | 第64-66页 |
| 4.1 全文总结 | 第64-65页 |
| 4.2 未来工作展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |
