语义对象分割方法研究
| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 缩略词表 | 第13-14页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 课题背景及研究意义 | 第14页 |
| 1.2 研究历史与现状 | 第14-19页 |
| 1.2.1 图像语义分割方法的主要研究内容和现状 | 第14-17页 |
| 1.2.1.1 区域一致性的图像语义分割 | 第15-16页 |
| 1.2.1.2 特定区域的图像语义分割 | 第16-17页 |
| 1.2.2 视频语义分割方法的主要研究内容和现状 | 第17-19页 |
| 1.3 本文的主要贡献与创新 | 第19-20页 |
| 1.4 本论文的结构安排 | 第20-22页 |
| 第二章 基于图像颜色及目标轮廓的中层语义图像分割 | 第22-37页 |
| 2.1 引言 | 第22-24页 |
| 2.2 问题描述 | 第24页 |
| 2.3 方法概述 | 第24-25页 |
| 2.4 线性时间最小生成树 | 第25-30页 |
| 2.4.1 基于TreeCut的超像素分割 | 第27-30页 |
| 2.5 实验结果分析与讨论 | 第30-36页 |
| 2.5.1 客观结果 | 第30-31页 |
| 2.5.2 主观结果 | 第31-33页 |
| 2.5.3 部件分割效果 | 第33-35页 |
| 2.5.4 时间复杂度分析 | 第35-36页 |
| 2.6 本章小结 | 第36-37页 |
| 第三章 基于目标窗口中层特征的语义对象分割 | 第37-45页 |
| 3.1 引言 | 第37-38页 |
| 3.2 问题描述 | 第38页 |
| 3.3 基于对象窗口中层特征的前景分割 | 第38-43页 |
| 3.3.1 候选分割区域的提取 | 第38-39页 |
| 3.3.2 图的构建 | 第39-40页 |
| 3.3.3 一元项 | 第40-41页 |
| 3.3.3.1 对象显著项 | 第40页 |
| 3.3.3.2 边界曲率项 | 第40-41页 |
| 3.3.3.3 边界拐点项 | 第41页 |
| 3.3.3.4 位置项 | 第41页 |
| 3.3.4 二元平滑项 | 第41-42页 |
| 3.3.4.1 颜色相似性 | 第41-42页 |
| 3.3.4.2 共生曲率项 | 第42页 |
| 3.3.5 基于树形动态规划的能量最小化 | 第42-43页 |
| 3.4 实验结果分析 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于人工交互的多目标语义分割 | 第45-64页 |
| 4.1 引言 | 第45-46页 |
| 4.2 问题描述 | 第46-47页 |
| 4.3 方法概述 | 第47页 |
| 4.4 超像素邻接矩阵的构造 | 第47-53页 |
| 4.4.1 邻接矩阵的形式概念分析 | 第50-53页 |
| 4.5 对象轮廓的优化 | 第53-58页 |
| 4.5.1 对象轮廓似然项 | 第54页 |
| 4.5.2 凸形状约束项 | 第54-56页 |
| 4.5.3 全局凸能量项 | 第56页 |
| 4.5.4 能量函数的优化 | 第56-57页 |
| 4.5.5 分割区域修复 | 第57-58页 |
| 4.6 实验结果分析与讨论 | 第58-63页 |
| 4.6.1 数据库及实验细节 | 第58页 |
| 4.6.2 对比方法 | 第58-60页 |
| 4.6.3 非星凸对象的分割 | 第60页 |
| 4.6.4 基于FCA邻接矩阵的评价 | 第60-61页 |
| 4.6.5 多目标分割 | 第61-62页 |
| 4.6.6 运行时间及复杂度分析 | 第62-63页 |
| 4.7 本章小结 | 第63-64页 |
| 第五章 基于视频复杂度感知特征的语义对象分割 | 第64-86页 |
| 5.1 引言 | 第64-66页 |
| 5.2 问题描述 | 第66页 |
| 5.3 视频帧的复杂度分析 | 第66-70页 |
| 5.3.1 视频帧梯度特征 | 第67页 |
| 5.3.2 视频帧边缘长度特征 | 第67-68页 |
| 5.3.3 帧间差分特征 | 第68页 |
| 5.3.4 帧间梯度差分 | 第68页 |
| 5.3.5 预测编码特征 | 第68-69页 |
| 5.3.6 帧编码比特 | 第69-70页 |
| 5.4 简单帧的对象分割 | 第70-71页 |
| 5.5 简单帧对象的先验学习 | 第71-75页 |
| 5.5.1 部件分割候选区域的生成 | 第71-72页 |
| 5.5.2 无向图的构造 | 第72-73页 |
| 5.5.3 能量函数 | 第73-74页 |
| 5.5.4 学习部件分割的参数 | 第74-75页 |
| 5.6 复杂视频帧对象分割 | 第75-76页 |
| 5.7 实验 | 第76-85页 |
| 5.7.1 基于动态规划的能量优化 | 第76页 |
| 5.7.2 实验条件设置 | 第76-77页 |
| 5.7.3 SegTrack数据库 | 第77-78页 |
| 5.7.4 SceneTranSeg数据库 | 第78-79页 |
| 5.7.5 复杂度特征的相关性分析 | 第79-81页 |
| 5.7.6 复杂度特征分析 | 第81-83页 |
| 5.7.7 基于部件分割模型的性能 | 第83-85页 |
| 5.8 本章小结 | 第85-86页 |
| 第六章 基于视频区域全局一致性感知的语义对象分割 | 第86-103页 |
| 6.1 引言 | 第86-87页 |
| 6.2 问题描述 | 第87页 |
| 6.3 视频全局一致性感知语义对象分割模型 | 第87-94页 |
| 6.3.1 算法框架 | 第87-88页 |
| 6.3.2 候选区域的产生 | 第88-89页 |
| 6.3.3 基于期望标签变化的主动学习 | 第89-90页 |
| 6.3.4 区域标注似然 | 第90-91页 |
| 6.3.5 标签变化 | 第91-94页 |
| 6.4 实验及结果分析 | 第94-102页 |
| 6.4.1 数据集 | 第94-95页 |
| 6.4.2 对比方法 | 第95-96页 |
| 6.4.3 AnimalWorld数据集 | 第96-98页 |
| 6.4.4 SegTrack数据集 | 第98-100页 |
| 6.4.5 其他数据库上的分割评价 | 第100-101页 |
| 6.4.6 时间复杂度 | 第101-102页 |
| 6.5 本章小结 | 第102-103页 |
| 第七章 基于尺度感知目标检测的语义对象分割 | 第103-113页 |
| 7.1 引言 | 第103-105页 |
| 7.2 问题描述 | 第105-106页 |
| 7.3 数据聚类及去噪 | 第106页 |
| 7.4 确定相关类别对象镜头 | 第106-107页 |
| 7.5 视频对象检测 | 第107-109页 |
| 7.6 实验 | 第109-112页 |
| 7.7 本章小结 | 第112-113页 |
| 第八章 全文总结与展望 | 第113-115页 |
| 8.1 总结及创新点 | 第113-114页 |
| 8.2 后续工作展望 | 第114-115页 |
| 致谢 | 第115-116页 |
| 参考文献 | 第116-128页 |
| 攻读博士学位期间取得的研究成果以及参与的项目 | 第128-131页 |
