首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于稠密反卷积聚合网络的图像语义分割技术研究

摘要第4-5页
abstract第5页
第一章 绪论第8-13页
    1.1 研究背景与意义第8-10页
    1.2 研究历史与现状第10-11页
    1.3 本文主要研究内容与贡献第11-12页
    1.4 本文章节安排第12-13页
第二章 相关背景知识介绍第13-26页
    2.1 卷积神经网络术语介绍第13-15页
        2.1.1 卷积层第13-14页
        2.1.2 激活函数第14页
        2.1.3 池化层第14-15页
    2.2 经典分类网络第15-19页
        2.2.1 VGG网络第15-17页
        2.2.2 ResNet网络第17-19页
    2.3 经典分割网络第19-25页
        2.3.1 基于FCN的语义分割框架介绍第19-23页
        2.3.2 基于编码-解码器的语义分割框架介绍第23-25页
    2.4 本章小结第25-26页
第三章 基于DDANet的图像语义分割第26-42页
    3.1 研究目的第26-28页
    3.2 研究方法第28-31页
    3.3 实验部分第31-34页
        3.3.1 数据集第31-32页
        3.3.2 度量指标第32-33页
        3.3.3 模型训练第33-34页
    3.4 实验结果分析第34-41页
        3.4.1 Cityscapes第35-36页
        3.4.2 PASCAL VOC2012第36-38页
        3.4.3 ISBI2012第38-39页
        3.4.4 消融实验第39-41页
    3.5 本章小结第41-42页
第四章 基于R-DDANet的图像语义分割第42-53页
    4.1 研究目的第42-43页
    4.2 研究方法第43-47页
        4.2.1 整体架构第43-46页
        4.2.2 MSC模块第46-47页
    4.3 实验部分第47页
        4.3.1 实验细节第47页
        4.3.2 模型训练第47页
    4.4 实验结果分析第47-52页
        4.4.1 Cityscapes第48-49页
        4.4.2 PASCAL VOC2012第49-51页
        4.4.3 消融实验第51-52页
    4.5 本章小结第52-53页
第五章 总结与展望第53-55页
参考文献第55-58页
附录1 攻读硕士学位期间撰写的论文第58-59页
附录2 攻读硕士学位期间申请的专利第59-60页
附录3 攻读硕士学位期间参加的科研项目第60-61页
附录4 攻读硕士学位期间获得的奖项第61-62页
致谢第62页

论文共62页,点击 下载论文
上一篇:维药买朱尼对种植体周围龈沟液中白细胞介素-1β和牙周指数的影响
下一篇:不同种植系统牙列缺损患者OHRQoL的比较研究