本文關(guān)鍵詞：基于卷積神經(jīng)網(wǎng)絡(luò)的圖像語義分割，，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來,深度學(xué)習(xí)的發(fā)展非常迅速,計算機視覺領(lǐng)域的發(fā)展也隨之迎來一波熱潮。深度卷積神經(jīng)網(wǎng)絡(luò)已經(jīng)被證實是計算機視覺領(lǐng)域非常有效的手段和方法。同時,在日常生活中,無論是物品的識別檢測,還是視頻監(jiān)控流數(shù)據(jù)分析都離不開計算機視覺。而圖像語義分割被認為是計算機視覺領(lǐng)域最基本的算法,圖像語義分割的好壞直接決定了后續(xù)算法分類或者識別的優(yōu)劣。因此,一個有效的圖像語義分割算法的實現(xiàn)和應(yīng)用具有非常重要的現(xiàn)實意義。傳統(tǒng)的圖像分割方法大部分是基于圖像本身的特征提取,需要先在圖像上生成不同的區(qū)域,再在區(qū)域上提取特征,對區(qū)域進行分類合并才能得到最終語義分割的結(jié)果,過程比較復(fù)雜,并且效果也有很大的提升空間。因此,人們對提高圖像語義分割算法的效率和效果是具有現(xiàn)實需求的。那么,隨著深度學(xué)習(xí)持續(xù)升溫,并且實踐中證明深度卷積神經(jīng)網(wǎng)絡(luò)對圖像特征的提取具有很大的優(yōu)勢。因此,如何將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到圖像語義分割并提高圖像語義分割算法的效果是當(dāng)前一大研究熱點。本文充分調(diào)研相關(guān)工作之后,將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用到了圖像語義分割領(lǐng)域,構(gòu)建并實現(xiàn)了卷積神經(jīng)網(wǎng)絡(luò)和反卷積層神經(jīng)網(wǎng)絡(luò)相結(jié)合的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),直接對圖像在像素水平上進行預(yù)測其所屬的語義類別。采用兩階段的模型訓(xùn)練方法,進一步優(yōu)化結(jié)果和算法效率。通過與經(jīng)典算法的對比實驗,說明該方法的有效性。最終將該算法模型應(yīng)用到了醫(yī)學(xué)圖像分析(用于心臟病變的檢測)和人體衣物分割(用于穿衣搭配)領(lǐng)域,均取得了較好的效果。
【關(guān)鍵詞】：圖像語義分割 卷積神經(jīng)網(wǎng)絡(luò) 深度學(xué)習(xí) 反卷積
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;TP183
【目錄】：

• 摘要5-6
• Abstract6-11
• 第1章 緒論11-17
• 1.1 課題背景11-13
• 1.2 本文的工作與貢獻13-15
• 1.3 本文組織和結(jié)構(gòu)15-17
• 第2章 相關(guān)工作17-32
• 2.1 圖像語義分割17-25
• 2.1.1 概述17
• 2.1.2 圖像分割技術(shù)常用方法17-21
• 2.1.3 圖像語義分割21-23
• 2.1.4 人體衣物圖像分割23-25
• 2.1.5 醫(yī)學(xué)圖像分析研究現(xiàn)狀25
• 2.2 深度卷積神經(jīng)網(wǎng)絡(luò)25-29
• 2.2.1 深度學(xué)習(xí)概述25-26
• 2.2.2 卷積神經(jīng)網(wǎng)絡(luò)發(fā)展26-28
• 2.2.3 卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)28-29
• 2.3 卷積神經(jīng)網(wǎng)絡(luò)在圖像語義分割領(lǐng)域的應(yīng)用29-31
• 2.3.1 概述29
• 2.3.2 卷積神經(jīng)網(wǎng)絡(luò)在圖像語義分割領(lǐng)域的應(yīng)用29-31
• 2.3.3 總結(jié)31
• 2.4 本章小結(jié)31-32
• 第3章 問題描述32-37
• 3.1 常用術(shù)語與符號32-33
• 3.2 問題定義33-35
• 3.3 實現(xiàn)難點35
• 3.4 預(yù)期目標(biāo)35-36
• 3.5 本章小結(jié)36-37
• 第4章 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像語義分割37-50
• 4.1 算法概述37-38
• 4.2 深度卷積網(wǎng)絡(luò)結(jié)構(gòu)38-40
• 4.3 卷積層與反卷積層40-45
• 4.4 網(wǎng)絡(luò)結(jié)構(gòu)和結(jié)果的優(yōu)化45-49
• 4.4.1 防止過擬合45-46
• 4.4.2 Pre-training二階段訓(xùn)練方法46-47
• 4.4.3 卷積層反卷積層Batch normalization47-48
• 4.4.4 模型融合48-49
• 4.5 本章小結(jié)49-50
• 第5章 基于CNN的圖像語義分割應(yīng)用50-60
• 5.1 圖像分割的應(yīng)用50-51
• 5.1.1 醫(yī)學(xué)影像50-51
• 5.1.2 穿衣搭配51
• 5.2 基于CNN的圖像語義分割在醫(yī)學(xué)圖像分析中的應(yīng)用51-56
• 5.2.1 概述51-52
• 5.2.2 比賽描述52-53
• 5.2.3 心臟輪廓識別的具體應(yīng)用與實現(xiàn)53-55
• 5.2.4 結(jié)果展示和說明55-56
• 5.3 基于CNN的圖像語義分割在穿衣搭配中的應(yīng)用56-59
• 5.3.1 概述56-57
• 5.3.2 人體衣物圖像分割的具體實現(xiàn)57-58
• 5.3.3 結(jié)果展示和分析58-59
• 5.4 本章小結(jié)59-60
• 第6章 對比實驗結(jié)果60-67
• 6.1 實驗配置60-62
• 6.1.1 運行環(huán)境60
• 6.1.2 實驗數(shù)據(jù)描述60-62
• 6.1.3 實驗對比算法62
• 6.1.4 評判指標(biāo)62
• 6.2 實驗過程和步驟62-64
• 6.3 實驗結(jié)果與分析64-66
• 6.4 本章小結(jié)66-67
• 第7章 總結(jié)和展望67-70
• 7.1 本文工作總結(jié)67-68
• 7.2 未來研究工作68
• 7.3 本章小結(jié)68-70
• 參考文獻70-76
• 攻讀碩士學(xué)位期間主要的研究成果76-77
• 致謝77

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 李倩倩;陽愛民;李心廣;;圖像語義的圖形化標(biāo)注和檢索研究[J];計算機應(yīng)用與軟件;2008年12期

2 時慧琨;;一種利用用戶反饋日志獲取圖像語義標(biāo)注方法[J];通化師范學(xué)院學(xué)報;2010年12期

3 郭海鳳;張盈盈;李廣水;韓立新;;基于社會網(wǎng)絡(luò)的圖像語義獲取研究綜述[J];計算機與現(xiàn)代化;2014年01期

4 石躍祥;朱東輝;蔡自興;B.Benhabib;;圖像語義特征的抽取方法及其應(yīng)用[J];計算機工程;2007年19期

5 孫季豐;袁春林;邱衛(wèi)東;余英林;;一個具有圖像語義的物體分類系統(tǒng)的實現(xiàn)[J];科學(xué)技術(shù)與工程;2008年03期

6 王妍寧;郭雷;方俊;;一種新的圖像語義自動標(biāo)注模型[J];計算機工程與應(yīng)用;2011年07期

7 李曉雅;;淺析計算機圖像語義的識別應(yīng)用技術(shù)[J];知識經(jīng)濟;2012年09期

8 李大湘;趙小強;李娜;;圖像語義分析的多示例學(xué)習(xí)算法綜述[J];控制與決策;2013年04期

9 林春漪;馬麗紅;尹俊勛;陳建宇;;基于多層貝葉斯網(wǎng)絡(luò)的醫(yī)學(xué)圖像語義建模[J];生物醫(yī)學(xué)工程學(xué)雜志;2009年02期

10 魏晗;李弼程;張瑞杰;唐永旺;;圖像語義提取方法研究[J];現(xiàn)代電子技術(shù);2011年24期

中國重要會議論文全文數(shù)據(jù)庫 前3條

1 張楊;房斌;徐傳運;;基于本體和描述邏輯的圖像語義識別[A];全國第20屆計算機技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2009）暨全國第1屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集（上冊）[C];2009年

2 葉劍燁;謝祖銘;周向東;張亮;施伯樂;;一種新的圖像語義自動標(biāo)注方法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2004年

3 王偉強;付立波;高文;黃慶明;蔣樹強;;一種基于筆畫特征的疊加文字檢測方法[A];全國網(wǎng)絡(luò)與信息安全技術(shù)研討會論文集（下冊）[C];2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前9條

1 趙永威;圖像語義表達與度量學(xué)習(xí)技術(shù)研究[D];解放軍信息工程大學(xué);2016年

2 南柄飛;基于視覺認知機理的圖像語義內(nèi)容獲取研究[D];北京科技大學(xué);2016年

3 陳久軍;基于統(tǒng)計學(xué)習(xí)的圖像語義挖掘研究[D];浙江大學(xué);2006年

4 于永新;基于本體的圖像語義識別和檢索研究[D];天津大學(xué);2009年

5 李曉燕;海量圖像語義分析和檢索技術(shù)研究[D];浙江大學(xué);2009年

6 林春漪;基于混合貝葉斯網(wǎng)絡(luò)的醫(yī)學(xué)圖像語義建模及其檢索的研究[D];華南理工大學(xué);2006年

7 許紅濤;Web圖像語義分析與自動標(biāo)注研究[D];復(fù)旦大學(xué);2009年

8 鮑泓;基于視覺感知的中國畫圖像語義自動分類研究[D];北京交通大學(xué);2012年

9 王梅;基于多標(biāo)簽學(xué)習(xí)的圖像語義自動標(biāo)注研究[D];復(fù)旦大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 甄健華;圖像語義自動標(biāo)注過程研究[D];河北師范大學(xué);2015年

2 楊雪;基于紋理基元塊的圖像語義分割[D];西南科技大學(xué);2015年

3 張智慧;基于本體的圖像語義檢索研究[D];西南科技大學(xué);2015年

4 高瞰;社會化媒體中的圖像語義理解[D];華北電力大學(xué);2015年

5 王行行;面向檢索的鞋底花紋圖像語義表達算法研究[D];大連海事大學(xué);2015年

6 羅世操;基于深度學(xué)習(xí)的圖像語義提取與圖像檢索技術(shù)研究[D];東華大學(xué);2016年

7 陳鴻翔;基于卷積神經(jīng)網(wǎng)絡(luò)的圖像語義分割[D];浙江大學(xué);2016年

8 趙鵬坤;基于屬性約簡的圖像語義自動標(biāo)注方法[D];太原科技大學(xué);2015年

9 鄧姜平;基于場景分類的圖像語義自動標(biāo)注及檢索的研究[D];湖南大學(xué);2015年

10 梁歡;基于深度學(xué)習(xí)的圖像語義理解研究[D];重慶大學(xué);2016年

  本文關(guān)鍵詞：基于卷積神經(jīng)網(wǎng)絡(luò)的圖像語義分割，由筆耕文化傳播整理發(fā)布。

本文編號：294364