基于深度學(xué)習(xí)的圖像語義分割研究與應(yīng)用

《基于深度學(xué)習(xí)的圖像語義分割研究與應(yīng)用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、基于深度學(xué)習(xí)的圖像語義分割研究與應(yīng)用（申請清華大學(xué)工程碩士學(xué)位論文）培養(yǎng)單位：軟件學(xué)院工程領(lǐng)域：軟件工程申請人：彭超指導(dǎo)教師：羅貴明教授二〇一＾ｂ年六月基于深度學(xué)習(xí)的圖像語義分割研究與應(yīng)用彭超ＲｅｓｅａｒｃｈａｎｄＡｐｐｌｉｃａｔｉｏｎＩｍａｇｅＳｅｍａｎｔｉｃＳｅｍｅｎｔａｔｉｏｎＢａｓｅｄｏｎＤｅｅｇｐＬｅａｒｎｉｎｇＴｈｅｓｉｓＳｕｂｍｉｔｔｅｄｔｏＴｓｉｎｈｕａＵｎｉｖｅｒｓｉｔｇｙｉｎａｒｔｉａｌｆｕｌｆｉｌｌｍ

2、ｅｎｔｏｆｔｈｅｒｅｕｉｒｅｍｅｎｔｐｑｆｏｒｔｈｅｒｏｆｅｓｓｉｏｎａｌｄｅｒｅｅｏｆｐｇＭａｓｔｅｒｏｆＳｏｆｔｗａｒｅＥｎｉｎｅｅｒｉｎｇｇｂｙＰｅｎＣｈａｏｇＳｏｆｔｗａｒｅＥｎｇｉｎｅｅｒｉｎｇ（）ＴｈｅｓｉｓＳｕｅｒｖｉｓｏｒ：ＰｒｏｆｅｓｓｏｒＬｕｏＧｕｉｍｉｎｐｇＪｕｎｅ２０１７，摘要摘要圖像語義分割是計算機(jī)視覺領(lǐng)域的一個重要研究方向，其任務(wù)核心是把圖片一個像素按照其所屬對象的類別進(jìn)行分類中的每。由于

3、同時提供了高階語義分類信息和低階像素點的位置信息，圖像語義分割是圖像分析中不可或缺的關(guān)鍵步驟，并為背景分離、人體解析、場景感知和自動駕駛等更復(fù)雜的應(yīng)用提供了底層支持。圖像語義分割的核心難點在于判別任意一個像素點的高階語義類別一。同類別屬性的物體在不同的圖片中；不同類別，通常呈現(xiàn)出不同的色彩、紋理和形狀屬性的物體在特定的情況下也可能在局部區(qū)域相似。傳統(tǒng)方法中，人們通過手工。構(gòu)造的特征來解決像素分類問題，但效果并不理想隨著深度學(xué)習(xí)的興起，人工構(gòu)造的特征逐漸被數(shù)據(jù)訓(xùn)練產(chǎn)生的特征所

4、取代，深度學(xué)習(xí)本身也成為了計算機(jī)視覺的標(biāo)準(zhǔn)工具。本文立足于深度學(xué)習(xí)，結(jié)合圖像語義分割中的實際難點，做出了以下幾個方面的研究工作：“”１．基于全卷積神經(jīng)網(wǎng)絡(luò)，構(gòu)建了圖像語義分割的基礎(chǔ)模型。該方法在原來的基礎(chǔ)上，改進(jìn)了基礎(chǔ)網(wǎng)絡(luò)結(jié)構(gòu)，引入了更底層的網(wǎng)絡(luò)特征，性能較原始框架一定的提升有，并作為了后續(xù)實驗的基礎(chǔ)對照模型。“”２．結(jié)合圖像語義分割的特點和圖像分類的方法，提出了全局卷積網(wǎng)絡(luò)的設(shè)計“”思路。這種特殊的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計，有效地解決了深度學(xué)習(xí)中有效感受野不夠充分的問題，并保

5、證了在同等條件下參數(shù)較少，性能最優(yōu)。“”３．的設(shè)計思路通過分析圖像語義分割的邊緣分割精度，提出了邊緣精煉網(wǎng)絡(luò)。這種簡單的網(wǎng)絡(luò)結(jié)構(gòu)能有效地解決圖像語義分割中因特征圖縮小而引起的邊緣模糊問題，使得整體框架的性能得到了提升，特別是最終分割的視覺效果。４．在不同的數(shù)據(jù)集上試驗上述兩種方法，均取得了實質(zhì)性的性能提升，驗證其有效性和普適性。關(guān)鍵詞：圖像語義分割；深度學(xué)習(xí)；計算機(jī)視覺；全局卷積網(wǎng)絡(luò)；邊緣精煉網(wǎng)絡(luò)ＩＡｂｓｔｒａｃｔＡｂｓｔｒａｃｔＩｍａｅＳｅｍａｎｔｉｃ

6、ＳｅｍｅｎｔａｔｉｏｎｉｓａｉｍｔｔｔｋｉｎｔｈｆｉｌｄｆｔＶｉ？ｇｇｖｅｒｙｏｒａｎａｓｅｅｏＣｏｍｕｅｒｐｐｓｉｏｎｗｈｉｃｈａｉｍｓｔｏｃｌａｓｓｉｆｅｖｅｒｉｘｅｌｓｔｏｉｔｓｃｏｒｒｅｓｏｎｄｉｎｏｂｅｃｔｃｌａｓｓ．Ａｓｉｔｒｏｖｉｄｅｓ，ｙｙｐｐｇｊｐｂｏｔｈｈｉｇｈ－ｌｅｖｅｌｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｌｏｗ－ｌｅｖｅｌｐｉｘｅｌｐｏｓｉｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｉｍａｅｓｅｍａｎｔｉｃ，ｇｓｅ

7、ｍｅｎｔａｔｉｏｎｌａｓａｉｌｌｉｉｍａｌｉｓｌｓｔｔｈｌｌｉ？ｇｃｒｕｃａｒｏｅｎｅａｎａｓａｎｄａｏｓｕｏｒｅｃｏｍｅｘａｃａｐｙｇｙｐｐｐｐｐｔｉｏｎｓｌｉｋｅｂａｃｋｒｏｕｎｄｓｅａｒａｔｉｏｎｈｕｍａｎａｒｓｉｎｓｃｅｎｅｕｎｄｅｒｓｔａｎｄｉｎａｎｄａｕｔｏｎｏｍｏｕｓ，ｇｐ，ｐｇ，ｇｄｒｉｖｉｎｇ．Ｔｈｅｃｒｔｌｔｔｍｅｎｔｔｔｈｈｈ－ｌｌｌ？ｉｉｃａｏｉｎｉｎｉｍａｅｓｅｍａｎｉｃｓｅａｉｏｎｉｓｉｖｉｎｅｉｅ

8、ｖｅｃａｓｓｉｆｉｐｇｇｇｇｇｃａｔｉｏｎｔｏｅｖｅｒｉｘｅｌｓ．Ｏｂｅｃｔｓｆｒｏｍｏｎｅｃｌａｓｓｍａｒｅｓｅｎｔｄｉｆｆｅｒｅｎｔｃｏｌｏｒｔｅｘｔｕｒｅａｎｄｙｐｊｙｐ，ｓｈａｐｅ；ｗｈｉｌｅｄｉｆｆｅｒｅｎｔｔｙｐｅｏｆｏｂｊｅｃｔｓｍａｙｃｏｎｔａｉｎｓｉｍｉｌａｒｌｏｃａｌｐａｔｃｈｅｓ．Ｔｒａｄｉｔｉｏｎａｌｌｙ，ｌｄｉ－ｅｏｅｅｓｎｈａｎｄｃｒａｆｔｅｄｆｅａｔｕｒｅｓ