基于全局判别区域检测的弱监督语义分割方法研究

发布时间：2021-06-30 10:55

　　近期的弱监督图像语义分割算法主要是基于通用分类网络的弱定位能力生成初始定位图,然后基于擦除或区域生长等方法扩展初始定位图中的物体语义区域以获得较完整的物体定位图,最后基于该定位图合成分割标签训练分割网络。较之早期算法能更好地获得物体的定位区域,但在物体语义区域定位的准确率、训练步骤及效率方面仍存在一定的局限性。针对这些局限性,本文提出一种基于全局区域生长的定位图优化方法,并进一步采用分割标签质量提升与多尺度信息优化方法来提升图像语义分割性能。本文主要包括以下内容:（1）针对定位图定位区域的稀疏问题,提出全局区域生长的定位图优化方法。基于该方法设计了一个用于分割的全局区域生长网络（Global Regional Growth Network,GRGN）。全局区域生长方法首先基于初始定位区域的定位分布,对特征图全局处理,着重突出对象非判别区域。然后,利用判别区域引导网络在训练中关注非判别区域并激活,与初始定位图融合后获得较完整的对象语义区域。最后,基于融合后的定位图合成分割标签完成分割学习。（2）针对分割标签信息不精准和语义信息不足问题,提出了分割标签质量提升与多尺度信息优化方法。该方法与... 

【文章来源】：安徽大学安徽省 211工程院校

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
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 基于多示例学习的分割方法
        1.2.2 基于擦除的分割方法
        1.2.3 基于种子区域生长的分割方法
        1.2.4 基于空洞卷积的分割方法
    1.3 论文研究内容和创新点
    1.4 论文组织结构
第二章 相关理论与技术
    2.1 深度学习
        2.1.1 卷积神经网络基础理论
        2.1.2 常用深度网络模型
        2.1.3 损失函数
    2.2 评价标准
    2.3 数据集
    2.4 本章小结
第三章 基于全局区域生长的定位图优化
    3.1 全局区域生长网络
    3.2 全局区域生长
        3.2.1 获取初始定位图
        3.2.2 生成补位定位图
    3.3 合成分割标签
    3.4 实验
        3.4.1 实验设置
        3.4.2 全局区域生长效果
        3.4.3 参数调优实验
        3.4.4 语义分割效果
    3.5 本章小结
第四章 分割标签质量提升与多尺度信息优化
    4.1 空间级联金字塔网络
    4.2 分割标签质量提升
        4.2.1 定位图动态融合
        4.2.2 分割标签动态阈值合成
    4.3 多尺度信息优化
        4.3.1 空洞卷积
        4.3.2 空间级联金字塔模块
    4.4 实验
        4.4.1 定位图动态融合效果
        4.4.2 分割标签动态阈值合成效果
        4.4.3 空间级联金字塔模块效果
        4.4.4 语义分割效果
    4.5 本章小结
总结与展望
    一、全文工作总结
    二、未来工作展望
参考文献
攻读硕士学位期间取得的学术成果
致谢


【参考文献】：
期刊论文
[1]基于DCNN的图像语义分割综述[J]. 魏云超,赵耀.  北京交通大学学报. 2016(04)
[2]无人驾驶汽车的发展现状和展望[J]. 杨帆.  上海汽车. 2014(03)



本文编号：3257613