第一个书签之前
声明
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 传统图像语义分割研究现状
1.2.2 基于深度学习的图像语义分割研究现状
1.2.3 基于RGB-D图像的语义分割研究现状
1.3 论文的研究内容及结构
1.3.1 论文研究内容
1.3.2 论文组织结构
第二章 基于深度学习的图像语义分割相关理论
2.1 深度学习和神经网络
2.1.1 深度学习
2.1.2 神经网络
2.2 基于全卷积神经网络的图像语义分割方法
2.2.1 卷积神经网络
2.2.2 基于全卷积神经网络的图像语义分割方法
2.3 基于编码-解码方式的图像语义分割方法
2.4 本章小结
第三章 基于 VGG-16的 RGB-D图像语义分割方法
3.1 VGG-16 网络结构
3.2 基于VGG-16 编码解码式RGB-D图像语义分割方法
3.2.1 基于VGG-16编码解码式RGB-D图像语义分割方法原理
3.2.2 基于VGG-16编码解码式RGB-D图像语义分割方法网络结构
3.3 网络模型融合层原理及策略
3.3.1 网络模型融合层原理
3.3.2 网络模型融合层融合策略
3.4 本章小结
第四章 基于 VGG-16的 RGB-D图像语义分割方法改进
4.1全连接条件随机场模型
4.1.1 全连接条件随机场模型原理
4.1.2 全连接条件随机中平均近似场推断
4.2改进的RGB-D图像语义分割方法
4.2.1 改进的RGB-D图像语义分割方法原理
4.2.2 改进的RGB-D图像语义分割方法网络模型
4.3 本章小结
第五章 对比实验和结果分析
5.1 实验环境及框架
5.1.1 实验环境
5.1.2 实验框架
5.2 实验数据集及评估标准
5.2.1 实验数据集及预处理
5.2.2 实验评估标准
5.3 实验及结果分析
5.3.1 基础RGB-D图像语义分割方法实验分析
5.3.2 基础RGB-D图像语义分割方法和其他方法对比实验分析
5.3.3 基础RGB-D图像语义分割方法和改进方法对比实验分析
5.4 本章小结
第六章 总结与展望
6.1 论文总结
6.2 工作展望
参考文献
攻读硕士期间取得的研究成果
致谢
河北工业大学;