声明
摘要
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 基于图像处理的视频目标分割
1.2.2 基于深度学习的视频目标分割
1.3 本文研究内容
1.4 论文的结构安排
1.1 引言
1.2 光流计算
1.2.1 经典光流求解
1.2.2 基于神经网络的光流计算
1.2.3 光流传递误差
1.3 全卷积网络
1.3.1 从图像分类到图像分割
1.3.2 全卷积网络
1.4 本章小结
第三章 基于双流全卷积网络的自动目标分割算法
3.1 引言
3.2 双流全卷积网络的结构设计
3.2.1 双流全卷积网络结构
3.2.2 网络结构解析
3.2.3 双流网络的分割结果
3.3 模型融合
3.4 概率图模型
3.4.1 条件随机场
3.4.2 马尔科夫随机场
3.5 结果分析
3.6 本章小结
4.1 引言
4.2 时间流网络的特征融合优化
4.2.1 时间流网络的输入
4.2.2 分割结果融合
4.3 空间流网络的特征融合优化
4.3.1 空间流网络的输入
4.3.2 特征聚合过程
4.4 时空双流全卷积网络优化方案
4.6 本章小节
5.1 实验设置
5.1.1 软硬件环境配置
5.1.2 深度学习框架
5.1.3 实验数据集选取
5.2 评价标准
5.2.1 精确度评价标准(IOU)
5.2.2 鲁棒性评价标准
5.2.3 轮廓精确度(F-Measure)
5.3 同类算法还原
5.4 实验结果分析
5.4.1 融合网络与优化融合网络的结果对比
5.4.2 优化融合网络与同类算法的结果对比
5.5 本章小节
6.1 全文工作总结
6.2 未来工作展望
参考文献
在读期间发表的学术论文与取得的研究成果
致谢