机械臂抓取任务中的图像分割算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 引言 | 第8-12页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究现状 | 第8-10页 |
| 1.3 本文研究内容 | 第10页 |
| 1.4 论文的组织 | 第10-12页 |
| 第2章 图像分类与弱监督分割方法介绍 | 第12-18页 |
| 2.1 图像分类的卷积神经网络 | 第12-13页 |
| 2.2 Softmax交叉熵损失函数 | 第13-14页 |
| 2.2.1 Softmax函数 | 第13页 |
| 2.2.2 交叉熵 | 第13-14页 |
| 2.3 图像的弱监督定位 | 第14页 |
| 2.4 弱监督的图像分割方法 | 第14-18页 |
| 第3章 强监督的语义分割方法介绍 | 第18-22页 |
| 3.1 全卷积网络 | 第18页 |
| 3.2 编码器-解码器结构 | 第18-19页 |
| 3.3 带孔的卷积 | 第19页 |
| 3.4 条件随机场 | 第19-20页 |
| 3.5 金字塔池化模块 | 第20-22页 |
| 第4章 图像级别标注的弱监督语义分割方法研究 | 第22-26页 |
| 4.1 基于CAM方法的图像弱定位改进 | 第22页 |
| 4.2 卷积神经网络的结构调整 | 第22-23页 |
| 4.3 单图多类别分类 | 第23-24页 |
| 4.4 由特征图生成伪像素标注 | 第24-26页 |
| 第5章 像素级别标注的强监督语义分割方法研究 | 第26-34页 |
| 5.1 深度图像 | 第26页 |
| 5.2 从彩色图像预测深度图像 | 第26-27页 |
| 5.3 语义分割的卷积神经网络 | 第27-28页 |
| 5.4 彩色图像和深度图像的融合 | 第28-29页 |
| 5.5 实验设置 | 第29-30页 |
| 5.5.1 数据集 | 第29页 |
| 5.5.2 数据集处理 | 第29-30页 |
| 5.5.3 实验过程及参数 | 第30页 |
| 5.6 实验结果 | 第30-34页 |
| 5.6.1 Pascal VOC数据集实验对比 | 第30-32页 |
| 5.6.2 SUN RGB-D数据集实验对比 | 第32-34页 |
| 第6章 总结与展望 | 第34-36页 |
| 6.1 本文工作总结 | 第34页 |
| 6.2 下一步研究方向 | 第34-36页 |
| 参考文献 | 第36-40页 |
| 致谢 | 第40-42页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第42页 |
