| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-24页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 传统的图像分割技术 | 第13-14页 |
| 1.2.2 基于深度学习的图像语义分割模型 | 第14-16页 |
| 1.2.3 深度卷积神经网络模型的发展现状 | 第16-19页 |
| 1.3 PASCAL VOC挑战介绍 | 第19-21页 |
| 1.3.1 PASCAL VOC挑战的发展历程 | 第19-20页 |
| 1.3.2 本文实验所使用的数据集 | 第20-21页 |
| 1.4 论文研究内容和各章节安排 | 第21-24页 |
| 1.4.1 研究内容 | 第21-22页 |
| 1.4.2 各章节安排 | 第22-24页 |
| 第二章 基于深度学习的图像语义分割技术 | 第24-38页 |
| 2.1 引言 | 第24-25页 |
| 2.2 深度学习 | 第25-27页 |
| 2.3 卷积神经网络 | 第27-36页 |
| 2.3.1 卷积神经网络的基本结构 | 第27-33页 |
| 2.3.2 损失函数及反向传播算法 | 第33-36页 |
| 2.4 全卷积神经网络 | 第36-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第三章 基于共享式特征融合的卷积神经网络 | 第38-55页 |
| 3.1 引言 | 第38页 |
| 3.2 基础网络模型 | 第38-44页 |
| 3.2.1 DeepLab-LargeFOV模型 | 第38-42页 |
| 3.2.2 模型训练方法 | 第42-44页 |
| 3.3 共享式特征融合优化 | 第44-48页 |
| 3.3.1 多尺度特征融合优化 | 第44-47页 |
| 3.3.2 全局特征优化 | 第47-48页 |
| 3.4 实验与分析 | 第48-54页 |
| 3.4.1 模型的训练与测试 | 第48-49页 |
| 3.4.2 多尺度特征融合优化方法的实验结果与分析 | 第49-52页 |
| 3.4.3 多种全局特征优化模式的实验结果与分析 | 第52-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第四章 跨层式特征融合及局部相似性约束优化 | 第55-71页 |
| 4.1 引言 | 第55页 |
| 4.2 跨层式特征融合优化 | 第55-58页 |
| 4.2.1 传统跨层式特征融合方法 | 第55-56页 |
| 4.2.2 基于中间层特征的跨层式特征融合优化 | 第56-58页 |
| 4.3 局部相似性约束优化算法 | 第58-63页 |
| 4.3.1 基于浅层特征的局部相似性约束优化模型 | 第58-60页 |
| 4.3.2 浅层特征与关联特征提取方式的选择 | 第60-61页 |
| 4.3.3 基于浅层特征的局部相似性矩阵 | 第61-62页 |
| 4.3.4 基于局部相似性约束的损失函数 | 第62-63页 |
| 4.4 实验与分析 | 第63-70页 |
| 4.4.1 多种跨层式特征融合方法的实验结果与分析 | 第63-64页 |
| 4.4.2 局部相似性约束优化算法的实验结果与分析 | 第64-68页 |
| 4.4.3 本文的网络模型对比其它模型的实验结果与分析 | 第68-70页 |
| 4.5 本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-74页 |
| 5.1 本文的工作总结 | 第71-72页 |
| 5.2 后续的工作展望 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 攻读硕士学位期间取得的研究成果 | 第79-80页 |
| 致谢 | 第80-81页 |
| 附件 | 第81页 |
