基于增强多尺度和语义特征融合的语义分割问题算法研究.pdfVIP

目录

摘要I

ABSTRACTIII

第一章绪论1

1.1研究背景与意义1

1.2研究历史及现状3

1.2.1基于传统的图像语义分割技术4

1.2.2基于深度学习的语义分割算法5

1.3语义分割算法存在的问题7

1.4本文研究内容8

1.5本文组织结构9

第二章基于深度学习的语义分割相关基础理论与知识11

2.1深度学习语义分割算法11

2.1.1卷积神经网络理论基础11

2.1.2卷积层12

2.1.3池化层13

2.1.4全连接层14

2.1.5激活函数14

2.2语义分割相关理论17

2.2.1全局信息和局部信息17

2.2.2感受野18

2.2.3平移不变性18

2.2.4特征融合18

2.2.5上采样18

2.3注意力机制19

2.3.1软注意力机制20

2.3.2硬注意力机制22

2.3.3自注意力机制22

2.4Transformer24

2.5评价指标25

2.6本章小结25

第三章用于语义分割的增强多尺度网络27

3.1研究背景及动机27

3.2用于语义分割的增强多尺度网络29

3.2.1算法结构29

3.2.2IERM29

融合区域增强模块（）

3.2.3多尺度卷积模块（MSCM）32

3.2.4损失函数34

3.3实验结果与分析34

3.3.1数据集34

3.3.2实验配置34

3.3.3在数据集上的实验数据36

3.4本章小结39

第四章基于Transformer的语义分割特征融合网络41

4.1研究背景及动机41

4.2基于Transformer的语义分割特征融合网络42

4.2.1特征对齐模块（FAM）43

4.2.2Transformer结构44

4.2.3金字塔卷积池化模块（PCPM）45

4.3实验结果分析46

4.3.1数据集46

4.3.2参数设置47

4.3.3消融实验47

特征融合模块(FAM)48

Transformer结构49

PCPM模块49

FFTNet49

4.4实验结果对比50

4.5本章小结52

第五章总结与展望53

5.1总结53

5.2展望53

参考文献55

致谢61

攻读硕士学位期间发表的学术成果63

山东师范大学硕士学位论文

摘要

近年来，深度学习与计算机视觉技术在语义分析、图像修复、图像处理和物体检测

等领域得到了快速发展，受到了众多研究人员的青睐。在计算机视觉领域，语义分割是

一项核心技术，也是最基础的研究课题之一