声明
摘要
图目录
表目录
1.1研究背景
1.2研究现状
1.3本文研究内容与贡献
1.4本文章节安排
第2章相关工作概述
2.1问题描述
2.2常用网络架构介绍
2.2.1 ResNet网络模型
2.2.2 Xeeption网络模型
2.3常用语义分割模型介绍
2.3.1空洞卷积
2.3.2 DeepLabv3模型
2.3.3 DeepLabv3+模型
2.4熵与互信息
2.4.1 熵
2.4.2联合熵和条件熵
2.4.3相对熵与互信息
2.5本章小结
第3章RMI损失函数理论分析
3.1引言
3.2 RMI目标函数
3.3互信息的一个下界
3.4后验协方差的一个近似
3.5 RMI函数的实现细节
3.5.1 降采样
3.5.2归一化
3.5.3下溢问题
3.5.4总的目标函数
3.6本章小结
第4章实验与分析
4.1实验设置
4.1.1实验环境
4.1.2基础分割模型
4.1.3数据集
4.1.4学习率和训练设置
4.1.5 图片截取大小和输出步长
4.1.6数据增强
4.1.7推理策略与衡量指标
4.2比较方法
4.2.1基于条件随机场的方法
4.2.2基于点与点亲密关系的方法
4.3在PASCAL VOC 2012数据集上的结果
4.3.1 RMI函数的有效性
4.3.2控制变量实验
4.4在CamVid数据集上的结果
4.5可视化分割结果
4.6本章小结
第5章总结与展望
5.1总结
5.2展望
参考文献
攻读硕士学位期间的主要研究成果
致谢
浙江大学;