基于深度学习的图像语义分割算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 传统方法的图像语义分割 | 第11-12页 |
| 1.2.2 基于深度学习的图像语义分割 | 第12-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-16页 |
| 第2章 相关工作 | 第16-29页 |
| 2.1 图像语义分割 | 第16-21页 |
| 2.1.1 问题描述 | 第16-17页 |
| 2.1.2 公开数据集介绍 | 第17-18页 |
| 2.1.3 基本模型分类 | 第18-21页 |
| 2.2 深度学习 | 第21-22页 |
| 2.3 卷积神经网络 | 第22-28页 |
| 2.3.1 基本概念 | 第22-24页 |
| 2.3.2 网络结构 | 第24-26页 |
| 2.3.3 卷积神经网络求解 | 第26-28页 |
| 2.4 本章小节 | 第28-29页 |
| 第3章 基于多尺度特征提取的语义分割 | 第29-39页 |
| 3.1 引言 | 第29-30页 |
| 3.2 网络模型介绍 | 第30-33页 |
| 3.2.1 模型分层介绍 | 第30-32页 |
| 3.2.2 多尺度特征提取和融合 | 第32-33页 |
| 3.3 实验 | 第33-38页 |
| 3.3.1 数据集和评价指标 | 第34页 |
| 3.3.2 网络模型和参数设置 | 第34-35页 |
| 3.3.3 实验结果和对比 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 改进的编码解码网络 | 第39-50页 |
| 4.1 引言 | 第39-40页 |
| 4.2 网络模型介绍 | 第40-45页 |
| 4.2.1 InceptionModule介绍 | 第40页 |
| 4.2.2 模型分层介绍 | 第40-42页 |
| 4.2.3 模型计算细节 | 第42-45页 |
| 4.3 实验 | 第45-48页 |
| 4.3.1 实验环境介绍 | 第45-46页 |
| 4.3.2 数据集和评价标准 | 第46页 |
| 4.3.3 实验结果 | 第46-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 本文工作总结 | 第50页 |
| 5.2 未来研究展望 | 第50-52页 |
| 参考文献 | 第52-58页 |
| 攻读硕士学位期间的主要的研究成果 | 第58-59页 |
| 致谢 | 第59页 |
