基于深度学习的图像语义分割研究与应用

《基于深度学习的图像语义分割研究与应用》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、基于深度学习的图像语义分割研究与应用（申请清华大学工程硕士学位论文）培养单位：软件学院工程领域：软件工程申请人：彭超指导教师：罗贵明教授二〇一＾ｂ年六月基于深度学习的图像语义分割研究与应用彭超ＲｅｓｅａｒｃｈａｎｄＡｐｐｌｉｃａｔｉｏｎＩｍａｇｅＳｅｍａｎｔｉｃＳｅｍｅｎｔａｔｉｏｎＢａｓｅｄｏｎＤｅｅｇｐＬｅａｒｎｉｎｇＴｈｅｓｉｓＳｕｂｍｉｔｔｅｄｔｏＴｓｉｎｈｕａＵｎｉｖｅｒｓｉｔｇｙｉｎａｒｔｉａｌｆｕｌｆｉｌｌｍ

2、ｅｎｔｏｆｔｈｅｒｅｕｉｒｅｍｅｎｔｐｑｆｏｒｔｈｅｒｏｆｅｓｓｉｏｎａｌｄｅｒｅｅｏｆｐｇＭａｓｔｅｒｏｆＳｏｆｔｗａｒｅＥｎｉｎｅｅｒｉｎｇｇｂｙＰｅｎＣｈａｏｇＳｏｆｔｗａｒｅＥｎｇｉｎｅｅｒｉｎｇ（）ＴｈｅｓｉｓＳｕｅｒｖｉｓｏｒ：ＰｒｏｆｅｓｓｏｒＬｕｏＧｕｉｍｉｎｐｇＪｕｎｅ２０１７，摘要摘要图像语义分割是计算机视觉领域的一个重要研究方向，其任务核心是把图片一个像素按照其所属对象的类别进行分类中的每。由于

3、同时提供了高阶语义分类信息和低阶像素点的位置信息，图像语义分割是图像分析中不可或缺的关键步骤，并为背景分离、人体解析、场景感知和自动驾驶等更复杂的应用提供了底层支持。图像语义分割的核心难点在于判别任意一个像素点的高阶语义类别一。同类别属性的物体在不同的图片中；不同类别，通常呈现出不同的色彩、纹理和形状属性的物体在特定的情况下也可能在局部区域相似。传统方法中，人们通过手工。构造的特征来解决像素分类问题，但效果并不理想随着深度学习的兴起，人工构造的特征逐渐被数据训练产生的特征所

4、取代，深度学习本身也成为了计算机视觉的标准工具。本文立足于深度学习，结合图像语义分割中的实际难点，做出了以下几个方面的研究工作：“”１．基于全卷积神经网络，构建了图像语义分割的基础模型。该方法在原来的基础上，改进了基础网络结构，引入了更底层的网络特征，性能较原始框架一定的提升有，并作为了后续实验的基础对照模型。“”２．结合图像语义分割的特点和图像分类的方法，提出了全局卷积网络的设计“”思路。这种特殊的网络结构设计，有效地解决了深度学习中有效感受野不够充分的问题，并保

5、证了在同等条件下参数较少，性能最优。“”３．的设计思路通过分析图像语义分割的边缘分割精度，提出了边缘精炼网络。这种简单的网络结构能有效地解决图像语义分割中因特征图缩小而引起的边缘模糊问题，使得整体框架的性能得到了提升，特别是最终分割的视觉效果。４．在不同的数据集上试验上述两种方法，均取得了实质性的性能提升，验证其有效性和普适性。关键词：图像语义分割；深度学习；计算机视觉；全局卷积网络；边缘精炼网络ＩＡｂｓｔｒａｃｔＡｂｓｔｒａｃｔＩｍａｅＳｅｍａｎｔｉｃ

6、ＳｅｍｅｎｔａｔｉｏｎｉｓａｉｍｔｔｔｋｉｎｔｈｆｉｌｄｆｔＶｉ？ｇｇｖｅｒｙｏｒａｎａｓｅｅｏＣｏｍｕｅｒｐｐｓｉｏｎｗｈｉｃｈａｉｍｓｔｏｃｌａｓｓｉｆｅｖｅｒｉｘｅｌｓｔｏｉｔｓｃｏｒｒｅｓｏｎｄｉｎｏｂｅｃｔｃｌａｓｓ．Ａｓｉｔｒｏｖｉｄｅｓ，ｙｙｐｐｇｊｐｂｏｔｈｈｉｇｈ－ｌｅｖｅｌｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｌｏｗ－ｌｅｖｅｌｐｉｘｅｌｐｏｓｉｔｉｏｎｉｎｆｏｒｍａｔｉｏｎｉｍａｅｓｅｍａｎｔｉｃ，ｇｓｅ

7、ｍｅｎｔａｔｉｏｎｌａｓａｉｌｌｉｉｍａｌｉｓｌｓｔｔｈｌｌｉ？ｇｃｒｕｃａｒｏｅｎｅａｎａｓａｎｄａｏｓｕｏｒｅｃｏｍｅｘａｃａｐｙｇｙｐｐｐｐｐｔｉｏｎｓｌｉｋｅｂａｃｋｒｏｕｎｄｓｅａｒａｔｉｏｎｈｕｍａｎａｒｓｉｎｓｃｅｎｅｕｎｄｅｒｓｔａｎｄｉｎａｎｄａｕｔｏｎｏｍｏｕｓ，ｇｐ，ｐｇ，ｇｄｒｉｖｉｎｇ．Ｔｈｅｃｒｔｌｔｔｍｅｎｔｔｔｈｈｈ－ｌｌｌ？ｉｉｃａｏｉｎｉｎｉｍａｅｓｅｍａｎｉｃｓｅａｉｏｎｉｓｉｖｉｎｅｉｅ

8、ｖｅｃａｓｓｉｆｉｐｇｇｇｇｇｃａｔｉｏｎｔｏｅｖｅｒｉｘｅｌｓ．Ｏｂｅｃｔｓｆｒｏｍｏｎｅｃｌａｓｓｍａｒｅｓｅｎｔｄｉｆｆｅｒｅｎｔｃｏｌｏｒｔｅｘｔｕｒｅａｎｄｙｐｊｙｐ，ｓｈａｐｅ；ｗｈｉｌｅｄｉｆｆｅｒｅｎｔｔｙｐｅｏｆｏｂｊｅｃｔｓｍａｙｃｏｎｔａｉｎｓｉｍｉｌａｒｌｏｃａｌｐａｔｃｈｅｓ．Ｔｒａｄｉｔｉｏｎａｌｌｙ，ｌｄｉ－ｅｏｅｅｓｎｈａｎｄｃｒａｆｔｅｄｆｅａｔｕｒｅｓ