声明
第一章 绪论
1.1 选题背景与研究意义
1.2 研究现状
1.2.1 高精度语义分割
1.2.2 实时语义分割
1.3 主要研究内容与论文结构
第二章 卷积神经网络与语义分割基础
2.1 卷积网络基本结构与训练
2.1.1 卷积网络的构成
2.1.2 卷积网络的训练
2.1.3 几种经典分类网络结构
2.2 基于全卷积网络的基础语义分割
2.2.1 基础全卷积网络FCN
2.2.2 引入膨胀卷积的DeepLabV1
2.2.3 引入金字塔模块的 PSPNet
2.2.4 引入膨胀卷积金字塔的DeepLabV3
2.3 语义分割评价指标与常见概念
2.3.1 评价指标
2.3.2 常见概念
2.4 交通场景语义分割数据集与特点
2.4.1 主要交通场景语义分割数据集
2.4.2 交通场景语义分割特点
2.5 小结
第三章基于独立卷积的实时语义分割网络
3.1 引言
3.2 现有实时分割网络分析
3.2.1 主流框架分析
3.2.2 基础卷积层分析
3.3 基于独立卷积的实时分割网络设计
3.3.1 传统卷积网络运算耗费分析
3.3.2 高效基础卷积模块设计
3.3.3 实时特征提取网络构建
3.3.4 语义分割网络
3.4 实验分析
3.4.1 Cityscapes数据集实验
3.4.2 CamVid数据集实验
3.4.3 BDD100K数据集实验
3.5 小结
第四章模型与数据驱动的实时语义分割
4.1 引言
4.2 模型与数据驱动的实时语义分割
4.2.1 总体方案
4.2.2 多尺度预测自适应融合的FCN8分割模型
4.2.3 基于数据增广的小目标分割性能优化
4.3实验分析
4.3.1 Cityscapes数据集实验
4.3.2 CamVid数据集实验
4.4 小结
第五章基于学习上采样的语义分割
5.1 引言
5.2 双线性插值的卷积实现
5.2.1 双线性插值的卷积等效
5.2.2 双线性插值的分通道卷积实现
5.2.3 与现有学习上采样比较
5.3 实验分析
5.3.1 基于DeepLabV2的综合实验验证
5.3.2 DeepLabV3实验
5.4结合学习上采样的实时语义分割
5.5小结
第六章 高效语义分割后处理优化
6.1引言
6.2条件随机场原理与优化
6.2.1马尔科夫随机场
6.2.2条件随机场
6.2.3随机场能量最小化
6.2.4密集连接条件随机场
6.3局部共享特征LSF
6.4实验分析
6.4.1基于DeepLabV2的LSF实验验证
6.4.2基于NDNet的LSF实验验证
6.5小结
结论与展望
结论
展望
参考文献
附录 A 攻读学位期间所发表的学术论文与奖励
致谢
湖南大学;