近期的弱監(jiān)督圖像語(yǔ)義分割算法主要是基于通用分類網(wǎng)絡(luò)的弱定位能力生成初始定位圖,然后基于擦除或區(qū)域生長(zhǎng)等方法擴(kuò)展初始定位圖中的物體語(yǔ)義區(qū)域以獲得較完整的物體定位圖,最后基于該定位圖合成分割標(biāo)簽訓(xùn)練分割網(wǎng)絡(luò)。較之早期算法能更好地獲得物體的定位區(qū)域,但在物體語(yǔ)義區(qū)域定位的準(zhǔn)確率、訓(xùn)練步驟及效率方面仍存在一定的局限性。針對(duì)這些局限性,本文提出一種基于全局區(qū)域生長(zhǎng)的定位圖優(yōu)化方法,并進(jìn)一步采用分割標(biāo)簽質(zhì)量提升與多尺度信息優(yōu)化方法來(lái)提升圖像語(yǔ)義分割性能。本文主要包括以下內(nèi)容:（1）針對(duì)定位圖定位區(qū)域的稀疏問(wèn)題,提出全局區(qū)域生長(zhǎng)的定位圖優(yōu)化方法。基于該方法設(shè)計(jì)了一個(gè)用于分割的全局區(qū)域生長(zhǎng)網(wǎng)絡(luò)（Global Regional Growth Network,GRGN）。全局區(qū)域生長(zhǎng)方法首先基于初始定位區(qū)域的定位分布,對(duì)特征圖全局處理,著重突出對(duì)象非判別區(qū)域。然后,利用判別區(qū)域引導(dǎo)網(wǎng)絡(luò)在訓(xùn)練中關(guān)注非判別區(qū)域并激活,與初始定位圖融合后獲得較完整的對(duì)象語(yǔ)義區(qū)域。最后,基于融合后的定位圖合成分割標(biāo)簽完成分割學(xué)習(xí)。（2）針對(duì)分割標(biāo)簽信息不精準(zhǔn)和語(yǔ)義信息不足問(wèn)題,提出了分割標(biāo)簽質(zhì)量提升與多尺度信息優(yōu)化方法。該方法與... 

【文章來(lái)源】：安徽大學(xué)安徽省 211工程院校

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于多示例學(xué)習(xí)的分割方法
        1.2.2 基于擦除的分割方法
        1.2.3 基于種子區(qū)域生長(zhǎng)的分割方法
        1.2.4 基于空洞卷積的分割方法
    1.3 論文研究?jī)?nèi)容和創(chuàng)新點(diǎn)
    1.4 論文組織結(jié)構(gòu)
第二章 相關(guān)理論與技術(shù)
    2.1 深度學(xué)習(xí)
        2.1.1 卷積神經(jīng)網(wǎng)絡(luò)基礎(chǔ)理論
        2.1.2 常用深度網(wǎng)絡(luò)模型
        2.1.3 損失函數(shù)
    2.2 評(píng)價(jià)標(biāo)準(zhǔn)
    2.3 數(shù)據(jù)集
    2.4 本章小結(jié)
第三章 基于全局區(qū)域生長(zhǎng)的定位圖優(yōu)化
    3.1 全局區(qū)域生長(zhǎng)網(wǎng)絡(luò)
    3.2 全局區(qū)域生長(zhǎng)
        3.2.1 獲取初始定位圖
        3.2.2 生成補(bǔ)位定位圖
    3.3 合成分割標(biāo)簽
    3.4 實(shí)驗(yàn)
        3.4.1 實(shí)驗(yàn)設(shè)置
        3.4.2 全局區(qū)域生長(zhǎng)效果
        3.4.3 參數(shù)調(diào)優(yōu)實(shí)驗(yàn)
        3.4.4 語(yǔ)義分割效果
    3.5 本章小結(jié)
第四章 分割標(biāo)簽質(zhì)量提升與多尺度信息優(yōu)化
    4.1 空間級(jí)聯(lián)金字塔網(wǎng)絡(luò)
    4.2 分割標(biāo)簽質(zhì)量提升
        4.2.1 定位圖動(dòng)態(tài)融合
        4.2.2 分割標(biāo)簽動(dòng)態(tài)閾值合成
    4.3 多尺度信息優(yōu)化
        4.3.1 空洞卷積
        4.3.2 空間級(jí)聯(lián)金字塔模塊
    4.4 實(shí)驗(yàn)
        4.4.1 定位圖動(dòng)態(tài)融合效果
        4.4.2 分割標(biāo)簽動(dòng)態(tài)閾值合成效果
        4.4.3 空間級(jí)聯(lián)金字塔模塊效果
        4.4.4 語(yǔ)義分割效果
    4.5 本章小結(jié)
總結(jié)與展望
    一、全文工作總結(jié)
    二、未來(lái)工作展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的學(xué)術(shù)成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于DCNN的圖像語(yǔ)義分割綜述[J]. 魏云超,趙耀.  北京交通大學(xué)學(xué)報(bào). 2016(04)
[2]無(wú)人駕駛汽車的發(fā)展現(xiàn)狀和展望[J]. 楊帆.  上海汽車. 2014(03)



本文編號(hào)：3257613