声明
第一章 绪论
1.1课题背景和研究意义
1.1.1研究背景
1.1.2研究意义
1.2研究现状
1.2.1语义分割发展史
1.2.2语义分割数据集
1.3本文主要内容
第二章 特征提取网络简介
2.1 ResNet网络简介
2.2 MobileNet网络简介
2.3 Inception系列网络简介
2.4本章小结
第三章 基于FC-DenseNet的改进模型
3.1 全卷积网络的模型结构
3.2 基于编解码结构的SegNet模型
3.3 采用密集连接方式的语义分割模型
3.4 全卷积DenseNet语义分割模型
3.5 添加了预处理模块的FC-DenseNet
3.5.1 改进的模型结构
3.5.2 用于分析不同模型的评价指标
3.5.3 不同的模型分割效果对比
3.6本章小结
第四章 使用ASPP结构的全卷积DenseNet
4.1 DeepLab系列语义分割模型简介
4.2 基于ASPP结构的密集连接型网络
4.3 FC-DenseASPP网络结构
4.4本章小结
第五章 基于FC-DenseASPP的水草分布识别
5.1 数据集制作
5.2 参数和运行环境配置
5.2.1 实验环境和参数设置
5.2.2 损失函数与迭代次数的关系
5.3 数据增强
5.4 实验结果
5.4.1 在水草数据集上的分类效果
5.4.2 在公开数据集上的分类效果
5.5本章小结
第六章 总结与展望
6.1总结
6.2展望
参考文献
致谢
在校期间发表过的学术论文与研究成果
广西大学;