结合FCN与条件随机场的道路场景分割模型的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 选题背景及意义 | 第10-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.2.1 车道检测技术 | 第12-13页 |
| 1.2.2 传统的图像分割技术 | 第13页 |
| 1.2.3 基于深度学习的语义分割 | 第13-14页 |
| 1.3 研究难点及主要工作 | 第14-15页 |
| 1.4 论文结构 | 第15-17页 |
| 第2章 基于卷积网络的分类模型 | 第17-36页 |
| 2.1 模型的计算方法 | 第17-22页 |
| 2.1.1 正向计算 | 第17-19页 |
| 2.1.2 反向计算 | 第19-22页 |
| 2.2 模型改进的必要性 | 第22-25页 |
| 2.2.1 数据源分析 | 第22-23页 |
| 2.2.2 网络模型分析 | 第23-25页 |
| 2.3 卷积网络的设计策略 | 第25-28页 |
| 2.3.1 特征抽象策略 | 第26页 |
| 2.3.2 局部连接策略 | 第26-27页 |
| 2.3.3 权值共享策略 | 第27-28页 |
| 2.4 模型的改进方案 | 第28-32页 |
| 2.4.1 结构设计 | 第28页 |
| 2.4.2 参数配置 | 第28-32页 |
| 2.4.3 相关技巧 | 第32页 |
| 2.5 实验设计与分析 | 第32-35页 |
| 2.5.1 实验配置 | 第32-33页 |
| 2.5.2 网络训练 | 第33-34页 |
| 2.5.3 实验结果 | 第34-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第3章 融合多特征的语义分割模型 | 第36-54页 |
| 3.1 传统分割技术 | 第36-38页 |
| 3.2 基于FCN的语义分割模型 | 第38-42页 |
| 3.2.1 全卷积结构 | 第38-40页 |
| 3.2.2 反卷积结构 | 第40-41页 |
| 3.2.3 skip结构与特征融合 | 第41-42页 |
| 3.3 语义分割模型的改进 | 第42-47页 |
| 3.3.1 结构特点分析 | 第42-44页 |
| 3.3.2 特征融合的改进 | 第44-46页 |
| 3.3.3 逐像素预测分类 | 第46-47页 |
| 3.4 实验设计与分析 | 第47-53页 |
| 3.4.1 实验配置 | 第47-49页 |
| 3.4.2 评估方案 | 第49页 |
| 3.4.3 训练流程 | 第49-52页 |
| 3.4.4 结果分析 | 第52-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第4章 融合条件随机场的语义分割模型 | 第54-66页 |
| 4.1 条件随机场的基本算法 | 第54-61页 |
| 4.1.1 前向-后向算法 | 第54-55页 |
| 4.1.2 学习算法 | 第55-59页 |
| 4.1.3 预测算法 | 第59-61页 |
| 4.2 融合全连接CRF的分割模型 | 第61-63页 |
| 4.2.1 基本原理 | 第61-62页 |
| 4.2.2 端到端的算法设计 | 第62-63页 |
| 4.3 实验结果与分析 | 第63-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第5章 总结与展望 | 第66-68页 |
| 5.1 工作总结 | 第66-67页 |
| 5.2 论文展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读学位期间获得与学位论文相关的科研成果 | 第73页 |
