語義分割是計(jì)算機(jī)視覺中最基本的任務(wù)之一,對(duì)圖像理解起著關(guān)鍵作用,并且在許多實(shí)際應(yīng)用中有重大影響,例如自動(dòng)駕駛、機(jī)器人和醫(yī)療圖像診斷等。近年來,雖然基于深度卷積神經(jīng)網(wǎng)絡(luò)的語義分割研究取得了顯著進(jìn)步,但還是存在不少挑戰(zhàn)。本文基于深度學(xué)習(xí)技術(shù),從兩個(gè)方面研究了基于深度卷積網(wǎng)絡(luò)的語義分割模型,分別是通過融合上下文語義信息和空間信息提高語義分割準(zhǔn)確度的研究,以及通過彈性特征金字塔模塊減少語義分割的時(shí)間復(fù)雜度、達(dá)到實(shí)時(shí)語義分割的研究。本文所做工作具體闡述如下:首先,本文對(duì)當(dāng)前基于深度學(xué)習(xí)的語義分割算法展開詳細(xì)地概述,細(xì)致地介紹了圖像語義分割常用的深度模型框架。接著,按照提升網(wǎng)絡(luò)感受域的方法、基于特征融合的方法、基于注意力機(jī)制的方法和基于神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索的方法這四個(gè)維度,對(duì)當(dāng)前最有效的語義分割方法進(jìn)行論述。最后闡述了未來最有前景的實(shí)時(shí)語義分割方法。通過對(duì)當(dāng)前語義分割方法進(jìn)行回顧,能夠清晰地了解語義分割研究的發(fā)展歷程,以及為相關(guān)的研究人員啟發(fā)研究思路。其次,當(dāng)前圖像語義分割研究基本圍繞如何提取有效的語義上下文信息和還原空間細(xì)節(jié)信息兩個(gè)因素來設(shè)計(jì)更高效算法。為了提升網(wǎng)絡(luò)的語義表達(dá)能力,同時(shí)建立像素點(diǎn)之間... 

【文章來源】：江西理工大學(xué)江西省

【文章頁數(shù)】：68 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及其意義
    1.2 語義分割研究現(xiàn)狀
    1.3 語義分割研究難點(diǎn)
    1.4 研究的主要內(nèi)容
    1.5 本文的組織結(jié)構(gòu)
第二章 基于深度學(xué)習(xí)的圖像語義分割進(jìn)展綜述
    2.1 引言
    2.2 語義分割基本網(wǎng)絡(luò)框架
        2.2.1 全卷積網(wǎng)絡(luò)結(jié)構(gòu)
        2.2.2 編解碼結(jié)構(gòu)
        2.2.3 基于循環(huán)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        2.2.4 基于對(duì)抗網(wǎng)絡(luò)結(jié)構(gòu)
    2.3 提升網(wǎng)絡(luò)感受域的語義分割方法
    2.4 基于特征融合的語義分割方法
        2.4.1 多尺度特征融合
        2.4.2 不同層級(jí)特征融合
    2.5 基于注意力機(jī)制的語義分割方法
    2.6 基于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搜索的語義分割方法
    2.7 實(shí)時(shí)語義分割方法
        2.7.1 基于輕量化卷積結(jié)構(gòu)
        2.7.2 多分支結(jié)構(gòu)
    2.8 本章小結(jié)
第三章 基于上下文和淺層空間編解碼網(wǎng)絡(luò)的圖像語義分割方法
    3.1 引言
    3.2 相關(guān)工作
        3.2.1 編碼器-解碼器
        3.2.2 二分支結(jié)構(gòu)
        3.2.3 空間金字塔
    3.3 本文所提出的方法
        3.3.1 網(wǎng)絡(luò)結(jié)構(gòu)
        3.3.2 混合擴(kuò)張卷積模塊
        3.3.3 殘差金字塔特征提取模塊
        3.3.4 鏈?zhǔn)椒粗脷埐钅K
        3.3.5 殘差循環(huán)卷積模塊
    3.4 實(shí)驗(yàn)
        3.4.1 實(shí)驗(yàn)設(shè)置
        3.4.2 Cam Vid數(shù)據(jù)集上的結(jié)果
        3.4.3 SUN RGB-D數(shù)據(jù)集上的結(jié)果
        3.4.4 Cityscapes數(shù)據(jù)集上的結(jié)果
        3.4.5 消融實(shí)驗(yàn)
    3.5 本章小結(jié)
第四章 基于特征編碼融合網(wǎng)絡(luò)的實(shí)時(shí)語義分割
    4.1 引言
    4.2 相關(guān)工作
        4.2.1 實(shí)時(shí)語義分割
        4.2.2 多尺度特征融合
        4.2.3 不同層級(jí)特征融合
    4.3 所提出的方法
        4.3.1 彈性特征金字塔模塊
        4.3.2 多路徑語義模塊
        4.3.3 雙注意力融合模塊
        4.3.4 網(wǎng)絡(luò)結(jié)構(gòu)
    4.4 實(shí)驗(yàn)
        4.4.1 實(shí)驗(yàn)設(shè)置
        4.4.2 Cam Vid數(shù)據(jù)集上的結(jié)果
        4.4.3 Cityscapes數(shù)據(jù)集上的結(jié)果
        4.4.4 消融實(shí)驗(yàn)
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 本文工作總結(jié)
    5.2 研究展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間的研究成果



本文編號(hào)：3589096