隨著科技的發(fā)展,人工智能已經(jīng)步入我們的日常生活,如在自動駕駛,智能機(jī)器人,醫(yī)學(xué)影像分析等領(lǐng)域被廣泛應(yīng)用。圖像語義分割是人工智能領(lǐng)域的一個熱點(diǎn)和難點(diǎn),其目的是為圖像中每一個像素分配一個標(biāo)簽。目前,由于缺少大規(guī)模的像素級標(biāo)簽數(shù)據(jù)集,限制了圖像語義分割的進(jìn)一步發(fā)展。因此,研究者將目光轉(zhuǎn)向弱監(jiān)督圖像語義分割,用易獲得的弱監(jiān)督信息代替難獲取的像素級標(biāo)簽去訓(xùn)練語義分割模型。其中,圖像級標(biāo)簽在弱監(jiān)督信息中最為簡單,不僅標(biāo)注耗時少,而且易獲取大量的數(shù)據(jù)。近年來,基于圖像級標(biāo)簽的弱監(jiān)督圖像語義分割方法蓬勃發(fā)展。然而,圖像級標(biāo)簽提供的監(jiān)督信息只有圖像中是否存在某一目標(biāo),與精確的像素級標(biāo)簽有著很大的鴻溝,因此基于圖像級標(biāo)簽的弱監(jiān)督圖像語義分割面臨著很多的挑戰(zhàn):（1）圖像級標(biāo)簽過于粗糙,缺少對目標(biāo)的位置和邊界信息描述,無法直接進(jìn)行圖像分割模型訓(xùn)練。（2）由于圖像背景復(fù)雜,難以對目標(biāo)進(jìn)行充分的區(qū)分并分割,這是整個弱監(jiān)督圖像語義分割共同的難題。（3）當(dāng)下基于深度學(xué)習(xí)的弱監(jiān)督語義分割模型,過分關(guān)注目標(biāo)的顯著性區(qū)域,導(dǎo)致目標(biāo)分割不完整。本文針對以上問題進(jìn)行了的研究,具體貢獻(xiàn)如下:（1）針對圖像級標(biāo)簽缺少目標(biāo)的具體位置... 

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 主要內(nèi)容與章節(jié)安排
第二章 弱監(jiān)督圖像語義分割相關(guān)方法
    2.1 基于傳統(tǒng)機(jī)器學(xué)習(xí)的弱監(jiān)督圖像語義分割
    2.2 基于深度學(xué)習(xí)的弱監(jiān)督圖像語義分割
        2.2.1 卷積神經(jīng)網(wǎng)絡(luò)介紹
        2.2.2 基于圖像級標(biāo)簽的技術(shù)
        2.2.3 基于其他弱監(jiān)督信息的技術(shù)
    2.3 本章小結(jié)
第三章 基于優(yōu)化物體框的Faster R-CNN弱監(jiān)督圖像語義分割
    3.1 引言
    3.2 Faster R-CNN算法
    3.3 基于超像素優(yōu)化物體框方法
        3.3.1 SLIC超像素分割
        3.3.2 超像素特征提取
        3.3.3 優(yōu)化物體框
    3.4 基于Grabcut與優(yōu)化后物體框的語義分割
    3.5 實(shí)驗(yàn)結(jié)果與分析
        3.5.1 實(shí)驗(yàn)設(shè)置
        3.5.2 實(shí)驗(yàn)結(jié)果分析
    3.6 本章小結(jié)
第四章 基于局部區(qū)域生長的弱監(jiān)督圖像語義分割
    4.1 引言
    4.2 多尺度特征圖提取
        4.2.1 空洞卷積
        4.2.2 提取多尺度特征圖
    4.3 密集種子提取
        4.3.1 Grad-CAM算法
        4.3.2 構(gòu)造種子點(diǎn)
    4.4 訓(xùn)練分割網(wǎng)絡(luò)
        4.4.1 種子生長
        4.4.2 分割模型訓(xùn)練
    4.5 實(shí)驗(yàn)與分析
        4.5.1 實(shí)驗(yàn)數(shù)據(jù)集和參數(shù)設(shè)定
        4.5.2 實(shí)驗(yàn)結(jié)果分析
    4.6 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文
攻讀碩士學(xué)位期間參與的科研項(xiàng)目
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于DCNN的圖像語義分割綜述[J]. 魏云超,趙耀.  北京交通大學(xué)學(xué)報. 2016(04)



本文編號：3682083