声明
致谢
1 引言
1.1研究背景和意义
1.2研究现状
1.2.1基于弱监督的目标检测现状
1.2.2图像补全算法研究现状
1.3本文研究内容
1.4论文结构安排
2 图像物体移除和深度学习综述
2.1图像物体移除综述
2.1.1图像物体移除问题概述
2.1.2基于弱监督的物体检测评价指标
2.1.3图像物体移除质量评价指标
2.2 深度学习技术
2.2.1卷积神经网络
2.2.2空洞卷积
2.2.3生成式对抗网络
2.2.4注意力模型
2.3 本章小结
3 基于实例分类器优化的多实例检测网络
3.1弱监督深度检测网络
3.2基于实例分类器优化的多实例检测网络
3.2.1多实例检测网络
3.2.2实例分类器优化
3.2.3模型训练
3.3 实验与结果分析
3.3.1数据集与实验环境
3.3.2结果评价指标
3.3.3消融实验
3.3.4实验结果对比与分析
3.4本章小结
4 基于DCGAN 改进的图像补全算法
4.1基于DCGAN的图像补全算法
4.1.1网络结构
4.1.2损失函数与网络训练
4.2基于DCGAN改进的图像补全算法
4.2.1网络结构设计
4.2.2损失函数
4.2.3模型训练
4.3实验与结果分析
4.3.1数据集和实验环境
4.3.2评价指标
4.3.3实验结果对比与分析
4.4本章小结
5 结论
5.1工作总结
5.2工作展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
独创性声明
学位论文数据集
北京交通大学;