基于卷积神经网络的图像显著对象检测技术研究及应用

目录

第一个书签之前

第一章 绪 论

1.1 研究背景与意义

1.2 国内外研究现状

1.3 论文的研究内容和成果

1.4 论文的章节安排

第二章 显著对象检测相关理论概述

2.1 卷积神经网络基础

2.1.1 卷积神经网络基本原理

2.1.2 卷积神经网络基本模块

2.1.3 卷积神经网络经典模型

2.2 显著对象检测原理

2.2.1 颜色对比度

2.2.2 区域差异

2.2.3 背景先验

2.3.1 常用数据集

2.3.2 评价指标

2.4 本章小结

第三章 基于卷积神经网络的多尺度级联显著对象检测方法

3.1 引言

3.2 多尺度级联显著对象检测模型

3.2.1 基础网络架构

3.2.2 多尺度融合模块

3.2.3 多尺度池化模块

3.2.4 联合损失函数

3.3 模型实验结果

3.3.1 网络设置与训练过程

3.3.2 多尺度融合模块对实验结果的影响

3.3.3 多尺度池化模块对实验结果的影响

3.3.4 联合损失函数对实验结果的影响

3.3.5 与其他方法的比较

3.4 本章小结

第四章 结合图像修复技术的显著对象分级检测框架

4.1 引言

4.2 图像修复技术简介

4.3 基于深度学习的多损失函数图像修复算法

4.3.1 网络结构

4.3.2 网络训练的损失函数

4.3.3 图像修复常用数据集和评价指标

4.3.4 网络训练设置

4.3.5 改进的损失函数对图像修复结果的影响

4.3.6 与其他图像修复方法的对比

4.4 显著对象分级检测框架

4.4.1 显著对象检测部分

4.4.2 图像修复部分

4.4.3 整体框架

4.5 分级框架实验结果

4.6 本章小结

第五章 全文总结与展望

5.1 全文总结

5.2 后续工作展望

致 谢

参考文献