| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 图像分割技术的背景与研究意义 | 第15页 |
| 1.2 常用图像分割方法 | 第15-18页 |
| 1.3 语义图像分割研究现状 | 第18-20页 |
| 1.4 本文的主要内容与结构安排 | 第20-22页 |
| 第二章 基于条件随机场的语义分割 | 第22-30页 |
| 2.1 引言 | 第22页 |
| 2.2 点对CRFs | 第22-25页 |
| 2.2.1 一元势函数 | 第24-25页 |
| 2.2.2 成对势函数 | 第25页 |
| 2.3 高阶CRFs | 第25-27页 |
| 2.4 条件随机场模型求解 | 第27-29页 |
| 2.4.1 条件随机场的参数估计 | 第27-28页 |
| 2.4.2 条件随机场的模型推断 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于深度学习模型的语义图像分割 | 第30-47页 |
| 3.1 引言 | 第30页 |
| 3.2 神经网络理论 | 第30-36页 |
| 3.2.1 神经网络的基本结构 | 第30-33页 |
| 3.2.2 神经网络的学习方法 | 第33-34页 |
| 3.2.3 神经网络的反向传递算法 | 第34-35页 |
| 3.2.4 神经网络的分类器 | 第35-36页 |
| 3.3 卷积神经网络 | 第36-40页 |
| 3.3.1 卷积层 | 第37-38页 |
| 3.3.2 下采样层 | 第38页 |
| 3.3.3 全连接层 | 第38-39页 |
| 3.3.4 Batch Normalization层 | 第39页 |
| 3.3.5 卷积网络的训练过程 | 第39-40页 |
| 3.3.6 卷积网络的优缺点 | 第40页 |
| 3.4 全卷积网络 | 第40-46页 |
| 3.4.1 全卷积网络模型结构 | 第40-44页 |
| 3.4.2 全卷积网络在前列腺医学图像分割中的应用 | 第44-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第四章 基于目标检测的高阶条件随机场卷积网络模型 | 第47-59页 |
| 4.1 引言 | 第47页 |
| 4.2 基于目标检测的高阶CRF模型语义分割 | 第47-51页 |
| 4.2.1 算法概述 | 第47-48页 |
| 4.2.2 目标检测与前景分割 | 第48页 |
| 4.2.3 基于目标检测的高阶CRF模型 | 第48-51页 |
| 4.3 实验及结果分析 | 第51-58页 |
| 4.3.1 实验数据集 | 第51-53页 |
| 4.3.2 评价标准 | 第53页 |
| 4.3.3 实验结果与分析 | 第53-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-61页 |
| 5.1 本文研究工作总结 | 第59-60页 |
| 5.2 未来工作展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第67-68页 |