語義分割技術(shù)是圖像處理和機器視覺領域一項重要的研究內(nèi)容,在多個重要應用中發(fā)揮著不可替代的作用,如自動智能駕駛、機器人場景建模、智能醫(yī)療等。語義分割是對輸入圖像進行像素級別的語義分類計算過程,是一種優(yōu)秀的場景理解方法。根據(jù)使用場景的不同,可以使用不同類別的分割算法,其中城市街景的語義分割是研究最廣泛的方面。但現(xiàn)有的街景語義分割只專注于亮度充足的晴天場景,若是作用于低光照的場景將無法取得理想結(jié)果。針對現(xiàn)有分割方法作用環(huán)境單一的技術(shù)問題,結(jié)合圖像特征學習和轉(zhuǎn)換的思想方法進行深入研究,提出了兩種用于低光照場景語義分割的深度網(wǎng)絡模型。本文針對低光照場景圖像亮度的不足、信息的丟失問題,提出了一種基于級聯(lián)網(wǎng)絡的低光照場景語義分割算法用于直接的語義分割的計算。該方法利用一個級聯(lián)的語義分割網(wǎng)絡進行端到端的語義分割,低光照圖像作為網(wǎng)絡輸入,語義分割圖為輸出。該級聯(lián)分割網(wǎng)絡主要由兩個部分組成,增強網(wǎng)絡部分和語義分割部分。其中,增強網(wǎng)絡部分是本文提出的能夠提升網(wǎng)絡亮度的深度網(wǎng)絡模型,該模型綜合了圖片的低級和高級特征,能夠提高圖片亮度的同時保持顏色的不失真。為了訓練該網(wǎng)絡,本文提出了一種低光照場景數(shù)據(jù)集的生成方... 

【文章來源】：大連理工大學遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：66 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 傳統(tǒng)的語義分割方法
        1.2.2 基于深度學習的分割方法
        1.2.3 低光照場景的語義理解
    1.3 論文內(nèi)容與章節(jié)安排
2 深度學習算法與語義分割
    2.1 深度學習算法
        2.1.1 卷積神經(jīng)網(wǎng)絡概述
        2.1.2 卷積神經(jīng)網(wǎng)絡的層結(jié)構(gòu)
    2.2 語義分割概述
        2.2.1 語義分割網(wǎng)絡基本結(jié)構(gòu)
        2.2.2 語義分割的損失函數(shù)與評價指標
        2.2.3 常用數(shù)據(jù)集
    2.3 本章小結(jié)
3 基于級聯(lián)網(wǎng)絡的低光照場景語義分割算法
    3.1 問題描述
    3.2 數(shù)據(jù)集生成策略
    3.3 增強網(wǎng)絡模型
        3.3.1 自動編碼器
        3.3.2 模型的設計
        3.3.3 損失函數(shù)與網(wǎng)絡初始化
    3.4 級聯(lián)網(wǎng)絡
        3.4.1 多任務網(wǎng)絡框架
        3.4.2 級聯(lián)分割網(wǎng)絡設計
        3.4.3 級聯(lián)分割網(wǎng)絡的訓練
    3.5 實驗結(jié)果與分析
        3.5.1 增強網(wǎng)絡結(jié)果
        3.5.2 級聯(lián)分割網(wǎng)絡結(jié)果
    3.6 本章小結(jié)
4 基于遷移學習的低光照場景語義分割算法
    4.1 問題描述
    4.2 遷移學習
    4.3 基于遷移學習的低光照場景語義分割模型設計
        4.3.1 生成對抗網(wǎng)絡算法
        4.3.2 遷移學習分割網(wǎng)絡的結(jié)構(gòu)設計
        4.3.3 遷移學習分割網(wǎng)絡的訓練
    4.4 實驗結(jié)果與分析
    4.5 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學位期間發(fā)表學術(shù)論文情況
致謝



本文編號：3331914