低光照場景下的語義分割方法研究
發(fā)布時間:2021-08-09 10:40
語義分割技術(shù)是圖像處理和機器視覺領(lǐng)域一項重要的研究內(nèi)容,在多個重要應(yīng)用中發(fā)揮著不可替代的作用,如自動智能駕駛、機器人場景建模、智能醫(yī)療等。語義分割是對輸入圖像進行像素級別的語義分類計算過程,是一種優(yōu)秀的場景理解方法。根據(jù)使用場景的不同,可以使用不同類別的分割算法,其中城市街景的語義分割是研究最廣泛的方面。但現(xiàn)有的街景語義分割只專注于亮度充足的晴天場景,若是作用于低光照的場景將無法取得理想結(jié)果。針對現(xiàn)有分割方法作用環(huán)境單一的技術(shù)問題,結(jié)合圖像特征學(xué)習(xí)和轉(zhuǎn)換的思想方法進行深入研究,提出了兩種用于低光照場景語義分割的深度網(wǎng)絡(luò)模型。本文針對低光照場景圖像亮度的不足、信息的丟失問題,提出了一種基于級聯(lián)網(wǎng)絡(luò)的低光照場景語義分割算法用于直接的語義分割的計算。該方法利用一個級聯(lián)的語義分割網(wǎng)絡(luò)進行端到端的語義分割,低光照圖像作為網(wǎng)絡(luò)輸入,語義分割圖為輸出。該級聯(lián)分割網(wǎng)絡(luò)主要由兩個部分組成,增強網(wǎng)絡(luò)部分和語義分割部分。其中,增強網(wǎng)絡(luò)部分是本文提出的能夠提升網(wǎng)絡(luò)亮度的深度網(wǎng)絡(luò)模型,該模型綜合了圖片的低級和高級特征,能夠提高圖片亮度的同時保持顏色的不失真。為了訓(xùn)練該網(wǎng)絡(luò),本文提出了一種低光照場景數(shù)據(jù)集的生成方...
【文章來源】:大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:66 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 課題背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 傳統(tǒng)的語義分割方法
1.2.2 基于深度學(xué)習(xí)的分割方法
1.2.3 低光照場景的語義理解
1.3 論文內(nèi)容與章節(jié)安排
2 深度學(xué)習(xí)算法與語義分割
2.1 深度學(xué)習(xí)算法
2.1.1 卷積神經(jīng)網(wǎng)絡(luò)概述
2.1.2 卷積神經(jīng)網(wǎng)絡(luò)的層結(jié)構(gòu)
2.2 語義分割概述
2.2.1 語義分割網(wǎng)絡(luò)基本結(jié)構(gòu)
2.2.2 語義分割的損失函數(shù)與評價指標
2.2.3 常用數(shù)據(jù)集
2.3 本章小結(jié)
3 基于級聯(lián)網(wǎng)絡(luò)的低光照場景語義分割算法
3.1 問題描述
3.2 數(shù)據(jù)集生成策略
3.3 增強網(wǎng)絡(luò)模型
3.3.1 自動編碼器
3.3.2 模型的設(shè)計
3.3.3 損失函數(shù)與網(wǎng)絡(luò)初始化
3.4 級聯(lián)網(wǎng)絡(luò)
3.4.1 多任務(wù)網(wǎng)絡(luò)框架
3.4.2 級聯(lián)分割網(wǎng)絡(luò)設(shè)計
3.4.3 級聯(lián)分割網(wǎng)絡(luò)的訓(xùn)練
3.5 實驗結(jié)果與分析
3.5.1 增強網(wǎng)絡(luò)結(jié)果
3.5.2 級聯(lián)分割網(wǎng)絡(luò)結(jié)果
3.6 本章小結(jié)
4 基于遷移學(xué)習(xí)的低光照場景語義分割算法
4.1 問題描述
4.2 遷移學(xué)習(xí)
4.3 基于遷移學(xué)習(xí)的低光照場景語義分割模型設(shè)計
4.3.1 生成對抗網(wǎng)絡(luò)算法
4.3.2 遷移學(xué)習(xí)分割網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計
4.3.3 遷移學(xué)習(xí)分割網(wǎng)絡(luò)的訓(xùn)練
4.4 實驗結(jié)果與分析
4.5 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝
本文編號:3331914
【文章來源】:大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:66 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 課題背景及意義
1.2 國內(nèi)外研究現(xiàn)狀
1.2.1 傳統(tǒng)的語義分割方法
1.2.2 基于深度學(xué)習(xí)的分割方法
1.2.3 低光照場景的語義理解
1.3 論文內(nèi)容與章節(jié)安排
2 深度學(xué)習(xí)算法與語義分割
2.1 深度學(xué)習(xí)算法
2.1.1 卷積神經(jīng)網(wǎng)絡(luò)概述
2.1.2 卷積神經(jīng)網(wǎng)絡(luò)的層結(jié)構(gòu)
2.2 語義分割概述
2.2.1 語義分割網(wǎng)絡(luò)基本結(jié)構(gòu)
2.2.2 語義分割的損失函數(shù)與評價指標
2.2.3 常用數(shù)據(jù)集
2.3 本章小結(jié)
3 基于級聯(lián)網(wǎng)絡(luò)的低光照場景語義分割算法
3.1 問題描述
3.2 數(shù)據(jù)集生成策略
3.3 增強網(wǎng)絡(luò)模型
3.3.1 自動編碼器
3.3.2 模型的設(shè)計
3.3.3 損失函數(shù)與網(wǎng)絡(luò)初始化
3.4 級聯(lián)網(wǎng)絡(luò)
3.4.1 多任務(wù)網(wǎng)絡(luò)框架
3.4.2 級聯(lián)分割網(wǎng)絡(luò)設(shè)計
3.4.3 級聯(lián)分割網(wǎng)絡(luò)的訓(xùn)練
3.5 實驗結(jié)果與分析
3.5.1 增強網(wǎng)絡(luò)結(jié)果
3.5.2 級聯(lián)分割網(wǎng)絡(luò)結(jié)果
3.6 本章小結(jié)
4 基于遷移學(xué)習(xí)的低光照場景語義分割算法
4.1 問題描述
4.2 遷移學(xué)習(xí)
4.3 基于遷移學(xué)習(xí)的低光照場景語義分割模型設(shè)計
4.3.1 生成對抗網(wǎng)絡(luò)算法
4.3.2 遷移學(xué)習(xí)分割網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計
4.3.3 遷移學(xué)習(xí)分割網(wǎng)絡(luò)的訓(xùn)練
4.4 實驗結(jié)果與分析
4.5 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝
本文編號:3331914
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3331914.html
最近更新
教材專著