在計算機視覺領(lǐng)域,圖像語義分割一直是及其重要的分支,在深度學習的熱潮下,圖像語義分割也得到了巨大的發(fā)展。然而,目前取得優(yōu)秀效果的分割網(wǎng)絡(luò),都是需要像素級別的語義標簽。在實際情況中,獲得像素級標注需要高昂的成本。因此,越來越多的研究人員開始研究采用弱監(jiān)督標簽信息來進行圖像語義分割任務(wù)。本課題的研究方向就是基于圖像類別標簽下的語義分割任務(wù),目前提出的大多數(shù)方法都是利用訓練好的分類網(wǎng)絡(luò)獲取到目標物體的顯著性區(qū)域,根據(jù)其為線索,生成用以訓練分割網(wǎng)絡(luò)的監(jiān)督信息,得到最終的預(yù)測結(jié)果。因此,顯著性區(qū)域的質(zhì)量成為了弱監(jiān)督語義分割任務(wù)最終分割果準確性的瓶頸。但是由于分類網(wǎng)絡(luò)中使用全局平均池化操作,該操作本身的性質(zhì),假設(shè)不同位置的特征向量對全局表示的貢獻均相等,忽略了局部特征對全局表示的貢獻的差異,會導致獲得的顯著性區(qū)域不精準,從而影響最終的結(jié)果。在本文中,我們提出了一個輕量級的自適應(yīng)池化模塊,該模塊通過自適應(yīng)地重新縮放高級特征圖中不同位置的貢獻權(quán)重,來對整個圖像分類訓練中進行分類預(yù)測,從而幫助分類網(wǎng)絡(luò)產(chǎn)生高質(zhì)量顯著性圖。通過在具有挑戰(zhàn)性的PASCAL VOC 2012語義分割數(shù)據(jù)集上進行訓練與評測,我們... 

【文章頁數(shù)】：59 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 課題相關(guān)領(lǐng)域國內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)圖像分割
        1.2.2 基于深度學習圖像分割
    1.3 本文的主要研究內(nèi)容
    1.4 本文的組織結(jié)構(gòu)
第2章 基于類別標簽的弱監(jiān)督語義分割
    2.1 引言
    2.2 深度卷積分類網(wǎng)絡(luò)
    2.3 深度卷積網(wǎng)絡(luò)結(jié)構(gòu)
    2.4 CLASS ACTIVATION MAP
    2.5 AFFINITY NET
    2.6 本章小結(jié)
第3章 基于自適應(yīng)池化的弱監(jiān)督語義分割
    3.1 引言
    3.2 算法動機
    3.3 模型結(jié)構(gòu)
    3.4 分類與分割網(wǎng)絡(luò)
    3.5 本章小結(jié)
第4章 實驗結(jié)果與分析
    4.1 引言
    4.2 實驗條件介紹
        4.2.1 實驗數(shù)據(jù)集
        4.2.2 實驗設(shè)置
        4.2.3 評價指標
    4.3 實驗結(jié)果對比
    4.4 中間結(jié)果分析
    4.5 本章小結(jié)
結(jié)論
參考文獻
致謝



本文編號：3705893