發(fā)布時間：2021-02-13 07:20

　　語義分割旨在為圖像中每個像素分配一個對應的類別標簽,并被廣泛應用于自動駕駛、人臉分割、遙感探測和醫(yī)療影像處理等領域中�，F(xiàn)有的全監(jiān)督語義分割算法需要大量像素級標注的數(shù)據(jù)驅動訓練,數(shù)據(jù)標注代價昂貴并且十分耗時。因此研究者們提出弱監(jiān)督和半監(jiān)督語義分割,利用弱監(jiān)督標簽或部分標注的像素級標簽訓練可以大大減少數(shù)據(jù)標注的工作量。另一方面,自注意力機制近兩年來在全監(jiān)督視覺任務中被廣泛應用,其通過捕捉不同像素間的長程依賴有效提升了各模型的性能。然而如何將其應用于弱監(jiān)督場景是目前尚未被深入研究的問題。本文的研究內(nèi)容為基于自注意力機制的弱監(jiān)督和半監(jiān)督語義分割算法,側重點為弱監(jiān)督語義分割,目標是在弱監(jiān)督場景下引入合理的自注意力機制,提高弱監(jiān)督語義分割的性能。同時在弱監(jiān)督分割框架的基礎上結合半監(jiān)督信息,充分利用額外的少量像素級標簽提升語義分割的性能。考慮到弱監(jiān)督語義分割問題的核心在于弱標簽位置的歧義性,本文通過兩種方法從弱標簽中恢復物體的位置信息（種子點）,包括引入顯著性指導和從神經(jīng)網(wǎng)絡內(nèi)部挖掘,隨后將種子點作為偽真值訓練全監(jiān)督語義分割模型。第二章針對現(xiàn)有通過類別激活圖挖掘出的種子點過于稀疏的問題,提出了一種基... 

【文章來源】：浙江大學浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：87 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
Abstract
1 緒論
    1.1 研究背景和研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 全監(jiān)督語義分割
        1.2.2 弱監(jiān)督語義分割
        1.2.3 半監(jiān)督語義分割
        1.2.4 自注意力機制
    1.3 常用數(shù)據(jù)集和評價指標
        1.3.1 常用數(shù)據(jù)集
        1.3.2 語義分割評價指標
    1.4 本文的研究內(nèi)容和整體結構
2 基于顯著性指導自注意力網(wǎng)絡的弱監(jiān)督和半監(jiān)督語義分割
    2.1 引言
    2.2 基本思路和總體框架
    2.3 基于顯著性指導的自注意力網(wǎng)絡
        2.3.1 后端網(wǎng)絡
        2.3.2 顯著性指導自注意力模塊
        2.3.3 種子點分割分支
        2.3.4 圖像分類分支
        2.3.5 總體損失函數(shù)
        2.3.6 高質量種子點的生成
    2.4 全監(jiān)督語義分割網(wǎng)絡的訓練
    2.5 半監(jiān)督語義分割任務的設計
    2.6 實驗
        2.6.1 數(shù)據(jù)集和評價指標
        2.6.2 實驗設置
        2.6.3 模塊有效性驗證
        2.6.4 模型超參數(shù)影響分析
        2.6.5 VOC2012數(shù)據(jù)集實驗
        2.6.6 COCO數(shù)據(jù)集實驗
    2.7 本章小結
3 基于自注意力機制的端到端弱監(jiān)督和半監(jiān)督語義分割
    3.1 引言
    3.2 基本思路和總體框架
    3.3 基于自注意力機制的端到端弱監(jiān)督語義分割網(wǎng)絡
        3.3.1 圖像分類分支
        3.3.2 基于自注意力機制的語義分割分支
        3.3.3 在線種子點生成方式
        3.3.4 模型重訓練
        3.3.5 半監(jiān)督語義分割任務的設計
    3.4 實驗
        3.4.1 數(shù)據(jù)集和評價指標
        3.4.2 實驗設置
        3.4.3 模塊有效性驗證
        3.4.4 模型超參數(shù)影響分析
        3.4.5 VOC2012數(shù)據(jù)集實驗
    3.5 本章小結
4 總結與展望
    4.1 本文工作總結
    4.2 研究工作展望
參考文獻
攻讀學位期間的研究成果



本文編號：3032164