欢迎来到天天文库
浏览记录
ID:35007816
大小:1.42 MB
页数:64页
时间:2019-03-16
《基于全卷积网络的图像语义分割算法研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、硕士学位论文基于全卷积网络的图像语义分割算法研究RESEARCHONIMAGESEMANTICSEGMENTATIONALORITHMWITHFULLYCONVOLUTIONALNETWORKS孙海川哈尔滨工业大学2018年6月国内图书分类号:TP391.4学校代码:10213国际图书分类号:004.9密级:公开工程硕士学位论文基于全卷积网络的图像语义分割算法研究硕士研究生:孙海川导师:曾国坤副教授申请学位:工程硕士学科:计算机技术所在单位:深圳研究生院答辩日期:2018年6月授予学位单位:哈尔滨工业大学ClassifiedIndex:TP391.4U.D.
2、C:004.9AdissertationsubmittedinpartialfulfillmentoftherequirementsfortheprofessionaldegreeofMasterofEngineeringRESEARCHONIMAGESEMANTICSEGMENTATIONALORITHMWITHFULLYCONVOLUTIONALNETWORKSCandidate:HaichuanSunSupervisor:AssociateProfessorKuo-KunTsengAcademicDegreeAppliedfor:MasterofEng
3、ineeringSpeciality:ComputerTechnologyAffiliation:ShenzhenGraduateSchoolDateofDefence:June,2018DegreeConferringInstitution:HarbinInstituteofTechnology哈尔滨工业大学工程硕士学位论文摘要由于深度学习的发展以及全卷积网络的出现,图像语义分割得以快速发展,广泛应用于无人驾驶、医疗诊断、机器导航等领域。其中无人驾驶领域一直是研究热点,在该领域中对于车辆周围的环境感知是研究的重点。图像语义分割算法可以对图像进行像素级分类,
4、从而获得图像的整体信息,且只需要低成本的视觉传感器,因此十分契合无人驾驶技术的需求。全卷积网络是一种可行的、效果较好的图像语义分割算法,该算法创新性的将卷积神经网络中的全连接层替换为卷积层,并应用于像素级分类任务中。其中DeepLab算法是一种基于全卷积网络改进且精度较高的算法,然而该算法还是存在着一些问题,有很大的进步空间。本课题主要研究该算法的各个子模块,找出其所存在的问题并给出相应的解决方案,进一步提升算法精度。针对DeepLab算法没有充分利用全局信息导致在复杂场景下效果较差的问题,本文引入了全局上下文信息模块,提供了图片中复杂场景的先验信息,提取全
5、局信息与原始特征合并,提高了特征的表达能力。针对DeepLab算法解码器模块过于简单,预测结果边界较为粗糙的问题,本文设计了一个高效的解码器模块,充分利用浅层特征,将浅层语义信息与深层语义信息相结合,并在结合时调整两者的比例,恢复部分细节信息,从而优化物体的边界。针对DeepLab算法过拟合于固定大小图片的问题,将集成学习的思想与多尺度模型训练相结合,设计了两种有效的多尺度特征级融合模块,并在此基础上引入了额外监督模块,从而提高算法的鲁棒性。本课题主要使用扩展后的PascalVOC2012数据集进行实验。具体的,首先分别确定每个改进方法的最佳变量组合,之后在
6、VGG网络与残差网络中微调。实验结果表明本课题提出的改进方法能够使模型获取更有表达能力的特征,从而提高算法精度。同时在CityScapes数据集上做了一定的测试,进一步验证改进算法的鲁棒性与有效性。最终将改进算法应用于实际场景中,具有一定的实用价值。关键词:图像语义分割;全卷积网络;全局上下文结构;解码器模块;多尺度特征融合-I-哈尔滨工业大学工程硕士学位论文AbstractBecauseofthedevelopmentofdeeplearningandtheemergenceoffullyconvolutionalnetworks,thedomainoft
7、heimagesemanticsegmentationhasbeenrapidlydeveloped.Itiswidelyusedinthefieldsofdriverless,medicaldiagnosis,machinenavigationandsoon.Driverlesstechnologyhasbeenaresearchhotspot,inthistechnology,theperceptionoftheenvironmentaroundthevehicleisthekeypoints.Itcanclassifyimagesonthepixel-
8、leveltoobtaintheoverallinf
此文档下载收益归作者所有