| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.3 本文主要研究内容 | 第16-17页 |
| 1.4 本文组织结构 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第2章 图像语义分割的相关算法介绍 | 第19-27页 |
| 2.1 基于聚类算法的图像分割 | 第19-21页 |
| 2.1.1 模糊C均值(Fuzzy C-means)算法 | 第19-20页 |
| 2.1.2 基于局部信息的模糊C均值聚类算法(FLICM) | 第20-21页 |
| 2.2 基于深度卷积神经网络的图像语义分割 | 第21-26页 |
| 2.2.1 卷积神经网络 | 第21-23页 |
| 2.2.2 全卷积网络 | 第23-24页 |
| 2.2.3 Deeplab网络 | 第24-25页 |
| 2.2.4 Deep Parsing Network | 第25-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第3章 基于聚类算法的深度卷积网络的图像语义分割研究 | 第27-37页 |
| 3.1 基于聚类算法的深度卷积网络整体结构 | 第27-28页 |
| 3.2 得分函数定义 | 第28-30页 |
| 3.3 实验结果及分析 | 第30-36页 |
| 3.3.1 得分函数中的阈值k | 第30-31页 |
| 3.3.2 PASCAL VOC 2012的实验结果及分析 | 第31-34页 |
| 3.3.3 Cityscapes的实验结果及分析 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 基于边界映射的深度卷积网络的图像语义分割研究 | 第37-45页 |
| 4.1 基于边界映射的深度卷积网络的整体结构 | 第37-38页 |
| 4.2 边界映射模块 | 第38-40页 |
| 4.2.1 边界映射模块的结构 | 第38-39页 |
| 4.2.2 边界映射模块的真值构建和损失函数 | 第39-40页 |
| 4.2.3 边界映射模块的训练 | 第40页 |
| 4.3 实验结果分析 | 第40-44页 |
| 4.3.1 PASCAL VOC 2012的实验结果分析 | 第40-42页 |
| 4.3.2 Cityscapes的实验结果分析 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 总结与展望 | 第45-47页 |
| 5.1 总结 | 第45-46页 |
| 5.2 未来工作展望 | 第46-47页 |
| 参考文献 | 第47-52页 |
| 致谢 | 第52-53页 |
| 攻读硕士学位期间取得的科研成果 | 第53页 |
