声明
摘要
第1章绪论
1．1课题背景和研究意义
1．2国内外相关工作
1．2．1基于阈值的分割算法
1．2．2基于区域生长的分割算法
1．2．3基于图割的分割算法
1．2．4基于深度学习的图像分割方法
1．3本文主要工作与创新
1．3．1本文主要工作
1．3．2本文主要创新
1．4深度学习中的相关概念介绍
1．4．1机器视觉领域深度学习算法的主流框架
1．4．2不同网络层的简单介绍
1．4．3主流网络结构的介绍
1．4．4数据集划分的介绍
1．4．5主流网络更新策略的介绍
1．4．6递归神经网络的介绍
1．5论文结构及内容安排
第2章利用相关性构建图的RNN语义分割模型
2．1朴素的RNN语义分割模型
2．2利用相关性的图构建方法在RNN语义分割模型中的使用
2．2．1对于相关性的定义
2．2．2基于相关性的图结构构建
2．3利用相关性构建图的RNN语义分割模型的缺点及不足
第3章基于相关性的非局部信息扩散以及网络的构建
3．1基于相关性的非局部信息计算
3．2非局部信息的使用
3．2．1扩散过程
3．2．2基于迭代的随机游走近似求解算法
3．3非局部信息的具体应用方式
3．4基础网络模型
3．5网络的整体架构
第4章实验设置与结果展示
4．1实验数据集简介
4．2训练策略的选择以及数据预处理方式
4．3实验结果展示
4．3．1实验结果指标的定义
4．3．2在Pascal VOC 2012数据集上的结果展示
4．3．3在Pascal Context数据集上的结果展示
4．4模型性能分析
4．5模型特性的研究
4．5．1对主网络的研究
4．5．2对相似度度量网络的研究
4．5．3对近似的扩散过程的研究
5．1本文工作总结
5．2本文工作的未来展望
参考文献
致谢
攻读学位期间发表的学术论文和参加科研情况
