声明
1. 绪论
1.1研究背景和意义
1.2研究现状
1.2.1基于匹配的VOS算法
1.2.2基于分割结果前向传播的VOS算法
1.2.3基于检测的VOS算法
1.2.4多假设跟踪
1.3本文工作安排
1.3.1 研究目标
1.3.2 关键技术方案
1.3.3 本文内容安排
2. 视频物体分割问题及其相关工作
2.1公开的VOS数据集
2.1.1DAVIS 2016数据集
2.1.2DAVIS 2017数据集
2.1.3 YouTube-Objects 数据集
2.1.4SegTrack v2数据集
2.2视频物体分割的指标选择
2.2.1 单目标视频物体分割中的指标选择
2.2.2 多目标视频物体分割中的指标选择
2.3物体检测网络
2.3.1 ResNet-101网络
2.3.2 特征金字塔网络
2.3.3 分类、回归与Mask分支
2.4语义分割框架
2.4.1 扩张卷积
2.4.2 空间金字塔池化
2.4.3 网络模型结构
2.5本章小结
3. 类别无关且无需语义重识别的VOS算法
3.1主要思路
3.2类别无关的视频物体分割算法
3.2.1 物体边界框的预测
3.2.2 粗糙分割结果的生成
3.2.3 分割结果细化CNN网络
3.2.4 时空迭代的分割结果细化
3.3实验分析
3.4本章小结
4. 基于多假设空间的视频物体分割算法
4.1主要思路
4.2基于多假设空间的VOS方法
4.2.1 目标物体候选框的生成
4.2.2 多假设空间树的构建
4.2.3 多假设空间树的剪枝
4.2.4 单目标物体分割
4.2.5 多目标分割冲突解决算法
4.3实验分析与对比
4.3.1 实现细节
4.3.2DAVIS 2017
4.3.3DAVIS 2016
4.3.4SegTrack v2
4.3.5 YouTube-Objects
4.4本章小结
5. 结论
5.1论文的主要贡献
5.2进一步工作建议
致谢
参考文献
8. 附录 攻读硕士学位期间的研究成果