| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第14-21页 |
| 1.1 选题背景与研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.3 研究内容 | 第19-20页 |
| 1.4 论文结构 | 第20-21页 |
| 2 卷积神经网络基本原理 | 第21-36页 |
| 2.1 卷积神经网络结构 | 第21-25页 |
| 2.2 卷积神经网络训练方法 | 第25-32页 |
| 2.3 经典卷积神经网络介绍 | 第32-34页 |
| 2.4 本章小结 | 第34-36页 |
| 3 实验数据预处理与增广 | 第36-42页 |
| 3.1 数据集介绍 | 第36-38页 |
| 3.2 数据预处理 | 第38-40页 |
| 3.3 数据增广 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 基于多分辨率特征融合的语义分割网络 | 第42-60页 |
| 4.1 引言 | 第42页 |
| 4.2 语义分割网络结构介绍 | 第42-47页 |
| 4.3 多分辨率特征融合的语义分割网络构建 | 第47-51页 |
| 4.4 实验设置与结果分析 | 第51-59页 |
| 4.5 本章小结 | 第59-60页 |
| 5 基于生成对抗网络的语义分割方法 | 第60-73页 |
| 5.1 引言 | 第60页 |
| 5.2 生成对抗网络介绍 | 第60-61页 |
| 5.3 生成对抗网络的原理 | 第61-64页 |
| 5.4 基于ResUNet-GAN的生成式对抗网络 | 第64-69页 |
| 5.5 实验设置与结果分析 | 第69-72页 |
| 5.6 本章小结 | 第72-73页 |
| 6 结论与展望 | 第73-75页 |
| 6.1 结论 | 第73页 |
| 6.2 展望 | 第73-75页 |
| 参考文献 | 第75-81页 |
| 作者简历 | 第81-83页 |
| 学位论文数据集 | 第83页 |