基于深度学习的RGB-D图像语义分割方法研究

目录

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