基于条件随机场的端对端图像语义分割算法研究

发布时间：2021-10-22 18:18

　　图像语义分割是为图像中每个像素点标注一个物体类别标签,它是人工智能研究的重要分支,已经应用于多个领域。例如,无人驾驶中的环境场景分割和医疗影像分析中的病变器官分割。随着深度卷积神经网络（Deep Convolution Neural Network,DCNN）在物体检测、分类和识别任务中取得较大进展,研究人员逐步尝试将DCNN的分类能力应用到图像语义分割任务。近年,研究人员利用编解码结构思想,设计了全卷积神经网络。在编码过程中,网络不断使用卷积和池化层提取图像高层次特征;在解码过程中,利用反卷积层恢复物体轮廓。由于编码的下采样操作会丢失图像信息,这导致解码的上采样对恢复物体轮廓细节的效果较差。密集型条件随机场作为分割后端处理部分,能有效修正前端的错误分割,但参数学习是独立的。针对图像语义分割任务,本文在研究端对端可训练网络基础上,设计并实现两种基于条件随机场的后端网络模块。由前端DCNN网络预测基础的像素概率,后端条件随机场网络结合图像局部先验信息修正预测结果。本文具体研究内容包括:（1）基于全连接密集型条件随机场的端对端可训练网络研究:为了构建网络,分析前后两端融合过程,前端网络仅使... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：90 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景
        1.1.1 计算机视觉的发展与应用
        1.1.2 图像语义分割的发展与应用
    1.2 国内外研究现状
        1.2.1 基于传统的图像分割
        1.2.2 基于深度学习的图像分割
    1.3 本文主要工作
    1.4 本文组织安排
第二章 相关技术研究
    2.1 条件随机场建模与求解
        2.1.1 条件随机场建模与应用
        2.1.2 全连接密集型条件随机场建模
        2.1.3 条件随机场模型求解
    2.2 快速高斯滤波
    2.3 常用图像分割数据集
    2.4 本章小结
第三章 基于条件随机场的端对端网络构建研究
    3.1 密集型条件随机场构建
        3.1.1 全连接密集型条件随机场建模
        3.1.2 平均场近似求解
        3.1.3 使用高维滤波加速信息传递
    3.2 基于平均场算法的神经网络模块构建
        3.2.1 初始化
        3.2.2 信息传递
        3.2.3 加权滤波输出
        3.2.4 兼容性转换
        3.2.5 添加一元势能
        3.2.6 归一化
    3.3 端对端深度学习网络框架构建
        3.3.1 CRF-RNN模块构建
        3.3.2 总体架构模型构建
    3.4 本章小结
第四章 基于高维高斯滤波的CRF网络模块实现
    4.1 基于Permutohedral Lattice的CRF网络模块
        4.1.1 算法总体步骤
        4.1.2 Permutohedral Lattice特性
        4.1.3 splat步骤
        4.1.4 blur步骤
        4.1.5 slice步骤
        4.1.6 复杂度分析
    4.2 基于Gaussian KD-Tree的CRF网络模块
        4.2.1 算法总体步骤
        4.2.2 构建Gaussian KD-Tree
        4.2.3 splat和slice步骤
        4.2.4 复杂度分析
    4.3 本章小结
第五章 实验测试与分析
    5.1 实验测试平台
        5.1.1 实验数据集
        5.1.2 实验质量评估指标
        5.1.3 实验软硬件平台
    5.2 基于Permutohedral Lattice的CRF-RNN测试与分析
        5.2.1 实验说明
        5.2.2 算法实验与分析
    5.3 基于Gaussian KD-Tree的CRF-RNN测试与分析
        5.3.1 实验说明
        5.3.2 算法实验与分析
    5.4 复杂度的测试与分析
    5.5 本章小结
第六章 总结与展望
    6.1 本文总结
    6.2 未来工作展望
参考文献
致谢
作者简介


【参考文献】：
期刊论文
[1]图像边缘检测Laplace算子扩展的讨论[J]. 黄朝兵,黄创.  现代计算机. 2006(10)
[2]图像分割中阈值选取方法比较研究[J]. 刘文萍,吴立德.  模式识别与人工智能. 1997(03)



本文编号：3451624