發(fā)布時間：2021-04-26 22:25

　　目前,自動駕駛領域在可行性和實用化方面都取得了突破性的進展,其對于汽車行業(yè)甚至是交通運輸業(yè)有著深遠的影響。那么針對圖像的語義分割算法可以對圖像中的目標進行像素級的高精度分類,在自動駕駛中,通過對圖像的語義分割可以獲取道路可行駛區(qū)域的信息,檢測車道標記和交通信息等。圖像語義分割是計算機視覺領域中重要的任務之一,進一步的提高其分割精度和處理速度是在實際應用中需要解決的問題。通常情況下利用視覺傳感器獲取的視頻的數(shù)據(jù)量龐大,并且對視頻處理過程的效率要求較高,而傳統(tǒng)的圖像處理方法難以滿足視頻分割的處理速度,且分割的精準度較低�；诖�,本文基于深度卷積神經網絡,分別設計了改進的U形網絡和W形網絡,并且利用光流場對幀與幀之間的特征進行傳播和融合,使得整個方法在盡可能的保持精細的分割精度的前提下,大幅度降低實時的視頻語義分割處理時間。論文的主要內容包括:首先本文基于編碼器-解碼器結構,設計了U形-S-A網絡結構,該網絡結構利用深度可分離卷積結構和通道注意力模型分別去除網絡特征圖中空間和通道的相關性,使得分類精度得到進一步的提升。接下來為了進一步的降低分割的處理時間,本文還設計了基于ResNet網絡和X... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：76 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 國內外在該方向的研究現(xiàn)狀及分析
        1.2.1 卷積神經網絡發(fā)展歷史和現(xiàn)狀
        1.2.2 基于卷積神經網絡的圖像語義分割研究現(xiàn)狀
        1.2.3 基于卷積神經網絡的視頻語義分割研究現(xiàn)狀
    1.3 本文的主要研究內容及章節(jié)安排
第2章 基于U形網絡的視頻語義分割模型研究
    2.1 引言
    2.2 基礎理論及方法介紹
        2.2.1 深度卷積神經網絡介紹
        2.2.2 圖像語義分割算法介紹
        2.2.3 視頻語義分割算法介紹
    2.3 基于U形網絡的視頻語義分割方法研究
        2.3.1 深度可分離卷積神經網絡原理分析
        2.3.2 通道注意力機制結構原理分析
        2.3.3 實驗改進U形網絡總體框架及分析
    2.4 模型實驗結果及分析
        2.4.1 實驗數(shù)據(jù)集介紹
        2.4.2 實驗結果對比展示分析
    2.5 本章小結
第3章 基于W形網絡的視頻語義分割模型研究
    3.1 引言
    3.2 W形網絡原理介紹分析
        3.2.1 ResNet網絡結構研究分析
        3.2.2 Xception網絡結構研究及分析
        3.2.3 實驗改進W形網絡結構總體框架及分析
    3.3 基于W形網絡的視頻語義分割實驗結果分析
        3.3.1 實驗結果對比分析
        3.3.2 分割圖像可視化
    3.4 本章小結
第4章 融合光流場特征聚合的W形網絡視頻語義分割算法應用
    4.1 引言
    4.2 光流場特征聚合算法介紹
        4.2.1 光流場原理研究分析
        4.2.2 光流場特征聚合框架分析介紹
    4.3 融合光流場特征聚合的W形網絡算法分析
    4.4 分類實驗結果及分析
        4.4.1 實驗結果對比分析
        4.4.2 分割圖像可視化
    4.5 本章小結
結論
參考文獻
攻讀碩士學位期間發(fā)表的論文及其它成果
致謝


【參考文獻】：
期刊論文
[1]深層網絡中的梯度消失現(xiàn)象[J]. 周祥全,張津.  科技展望. 2017(27)
[2]基于DCNN的圖像語義分割綜述[J]. 魏云超,趙耀.  北京交通大學學報. 2016(04)
[3]圖像理解中的卷積神經網絡[J]. 常亮,鄧小明,周明全,武仲科,袁野,楊碩,王宏安.  自動化學報. 2016(09)
[4]無人駕駛汽車的發(fā)展現(xiàn)狀和展望[J]. 楊帆.  上海汽車. 2014(03)
[5]基于雙線性插值的圖像縮放算法的研究與實現(xiàn)[J]. 王森,楊克儉.  自動化技術與應用. 2008(07)



本文編號：3162229