基于深度学习的细粒度图像识别与分割研究.pdfVIP

基于深度学习的细粒度图像识别与分割研究 目录 摘要 i Abstract iii 缩略语表 v 1. 绪论 1 1.1 研究背景与意义 1 1.2 相关研究内容综述 2 1.2.1 深度学习 3 1.2.2 细粒度图像分类 4 1.2.3 细粒度图像分割 8 1.3 主要工作与技术路线 11 1.4 本文结构 14 2 细粒度图像数据集 15 2.1 细粒度级别Vitis-15 图像数据集 15 2.2 细粒度级别CUB200-2011 图像数据集 17 2.3 本章小结 19 3 基于迁移学习的细粒度图像识别方法 20 3.1 基于支持向量机的细粒度图像识别方法 20 3.2 基于迁移学习的细粒度图像识别方法 22 3.3 实验结果与分析 23 3.4 本章小结 24 4 基于多尺度数据融合的细粒度图像识别方法 25 4.1 细粒度图像预处理 25 4.2 MS_EAlexNet 卷积神经网络 25 4.3 实验结果与分析 28 4.4 本章小结 33 5 基于多尺度破坏重建学习的细粒度图像识别方法 34 5.1 基于DCL 的细粒度图像检测方法研究 34 5.1.1 DCL 网络模型 34 I 华中农业大学2020 届硕士研究生学位（毕业）论文 5.1.2 实验细节36 5.2 基于MS_DCL 的细粒度图像识别方法研究36 5.2.1 多尺度输入DCL 37 5.2.2 多尺度细节增强DCL 38 5.2.3 实验结果与分析41 5.3 本章小结42 6 基于Mask GrabCut 的细粒度图像分割方法43 6.1 基于GrabCut 的细粒度图像分割方法研究43 6.1.1 GrabCut 算法43 6.1.2 实验细节45 6.2 基于Mask R-CNN 网络的细粒度图像分割方法研究45 6.2.1 Mask R-CNN 网络模型45 6.2.2 实验细节46 6.3 基于Mask GrabCut 的细粒度图像分割方法研究47 6.3.1 实验细节47 6.3.2 实验结果与分析48 6.4 本章小结52 7 总结与展望53 7.1 总结53 7.2 展望54 参考文献55 硕士期间的研究成果63 致谢64 II 基于深度学习的细粒度图像识别与分割研究 摘要 目前图像数据量正在呈指数型增长，随着图像处理技术的发展，如何有效的使 用计算机视觉技术进行图像分割与图像分类已经成为计算机视觉领域中重要研究分 支。传统图像分类是识别粗粒度的大类，例如使用计算机视觉技术进行区分 “狗”、 “葡萄”和 “鸟”等元类别。而在许多实际应用中，图像需要进行细粒度级别的分 类，例如区分该图像属于 “葡萄”类别中的哪个子类别：“夏黑”、 “红提”、 “阳 光玫瑰”等。在计算机视觉领域中，细粒度图像分类则是针对