基于深度学习和渲染数据的目标对象抠取
| 摘要 | 第8-9页 |
| Abstract | 第9页 |
| 第一章 引言 | 第10-19页 |
| 1.1 研究背景 | 第10-14页 |
| 1.2 相关介绍 | 第14-17页 |
| 1.2.1 图像分割 | 第14-15页 |
| 1.2.2 深度神经网络 | 第15-16页 |
| 1.2.3 渲染数据 | 第16-17页 |
| 1.3 本文主要工作 | 第17页 |
| 1.4 本文组织结构 | 第17-19页 |
| 第二章 相关工作 | 第19-22页 |
| 2.1 图像分割 | 第19页 |
| 2.2 语义分割 | 第19-20页 |
| 2.3 目标对象抠取 | 第20-21页 |
| 2.4 三维对象检索和视角估计 | 第21页 |
| 2.5 目标检测 | 第21-22页 |
| 第三章 实例概率图 | 第22-28页 |
| 3.1 概率图简介 | 第22页 |
| 3.2 训练数据生成 | 第22-25页 |
| 3.2.1 模型渲染 | 第23-24页 |
| 3.2.3 背景合成 | 第24-25页 |
| 3.3 网络结构介绍 | 第25-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第四章 包围框评估 | 第28-34页 |
| 4.1 包围框简介 | 第28页 |
| 4.2 包围框生成 | 第28-29页 |
| 4.3 包围框评估 | 第29-33页 |
| 4.3.1 训练数据生成 | 第30页 |
| 4.3.2 分类器训练 | 第30-31页 |
| 4.3.3 可视化结果 | 第31-32页 |
| 4.3.4 评估结果比较 | 第32-33页 |
| 4.4 本章小结 | 第33-34页 |
| 第五章 目标对象抠取 | 第34-40页 |
| 5.1 相关介绍 | 第34页 |
| 5.2 概率图改进GrabCut算法 | 第34-35页 |
| 5.3 ShapeView方法 | 第35-36页 |
| 5.4 抠取结果比较 | 第36-39页 |
| 5.4.1 数据集和评价度量 | 第36-37页 |
| 5.4.2 结果比较 | 第37-38页 |
| 5.4.3 可视化结果 | 第38-39页 |
| 5.5 本章小结 | 第39-40页 |
| 第六章 总结和展望 | 第40-42页 |
| 6.1 本文总结 | 第40页 |
| 6.2 局限性 | 第40-41页 |
| 6.3 研究展望 | 第41-42页 |
| 参考文献 | 第42-46页 |
| 致谢 | 第46-47页 |
| 攻读学位期间发表的学术论文和参加科研情况 | 第47-48页 |
| 学位论文评阅及答辩情况表 | 第48页 |
