二維圖像是目前應(yīng)用最廣泛地可視化數(shù)據(jù)形式之一,對視覺信息的傳播與展示具有重要意義。計算機視覺領(lǐng)域的研究任務(wù)大都依靠二維圖像這種數(shù)據(jù)形式展開。盡管近年來三維圖像技術(shù)已經(jīng)有了長足的發(fā)展,但是由于三維數(shù)據(jù)攝取成本較高,所占的資源消耗也比較大,在可預(yù)期的未來。三維圖像這種數(shù)據(jù)形式仍然難以與二維圖像相提并論。二維圖像數(shù)據(jù)雖然簡單易存儲,但是由于二維圖像缺少了現(xiàn)實世界中的深度信息,導(dǎo)致了二維圖像中的信息缺失。圖像中普遍存在的遮擋現(xiàn)象便是圖像信息缺失的直接表現(xiàn)。本文針對普通二維圖像中的普遍存在的遮擋現(xiàn)象展開研究。解決二維圖像的遮擋邊界檢測問題。本文提出了端到端的基于編碼器解碼器的多分支遮擋邊界檢測算法,能夠針對圖像中的遮擋現(xiàn)象,檢測物體之間的遮擋邊界,并通過左手定則來判斷物體之間的遮擋關(guān)系。針對二維圖像中存在的邊界像素與非邊界像素不平衡問題,提出新的損失函數(shù)來平衡邊界像素與非邊界像素的權(quán)重,并通過實驗驗證提出的損失函數(shù)能夠有效降低目前遮擋邊界檢測中存在的遮擋邊界像素的誤判率。本文方法在公共數(shù)據(jù)集BSDS500和PIOD上進行了系統(tǒng)性驗證實驗。通過定量和定性實驗,證明所提出方法能夠精確檢測出物體圖像中... 

【文章來源】：天津工業(yè)大學(xué)天津市

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題背景
    1.2 研究價值及應(yīng)用領(lǐng)域
    1.3 國內(nèi)外研究現(xiàn)狀分析
    1.4 論文主要研究內(nèi)容及貢獻
    1.5 論文結(jié)構(gòu)安排
第二章 相關(guān)背景知識
    2.1 邊界檢測技術(shù)
        2.1.1 邊界檢測思想
        2.1.2 傳統(tǒng)邊界檢測算法
    2.2 深度神經(jīng)網(wǎng)絡(luò)
        2.2.1 經(jīng)典神經(jīng)網(wǎng)絡(luò)
        2.2.2 深度神經(jīng)網(wǎng)絡(luò)的技術(shù)原理
        2.2.3 經(jīng)典深度神經(jīng)網(wǎng)絡(luò)架構(gòu)
        2.2.4 深度神經(jīng)網(wǎng)絡(luò)的應(yīng)用
        2.2.5 基于深度神經(jīng)網(wǎng)絡(luò)的邊界檢測算法
    2.3 本章小結(jié)
第三章 基于編碼器解碼器的多分支遮擋邊界檢測算法
    3.1 問題描述
        3.1.1 遮擋邊界的定義
        3.1.2 判斷遮擋關(guān)系的左手定則
        3.1.3 邊界像素點的方向定義
    3.2 網(wǎng)絡(luò)結(jié)構(gòu)分析
    3.3 損失函數(shù)
    3.4 網(wǎng)絡(luò)訓(xùn)練
    3.5 本章小結(jié)
第四章 實驗部分
    4.1 實驗數(shù)據(jù)集
    4.2 客觀評價指標
    4.3 實驗設(shè)計與實現(xiàn)細節(jié)
        4.3.1 實驗平臺介紹
        4.3.2 數(shù)據(jù)增強
        4.3.3 超參數(shù)的設(shè)置
        4.3.4 損失函數(shù)
    4.4 實驗結(jié)果及分析
        4.4.1 BSDS500數(shù)據(jù)集
        4.4.2 PIOD數(shù)據(jù)集
    4.5 實驗小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻
發(fā)表論文和參加科研情況
致謝



本文編號：3174686