目前,自動(dòng)駕駛領(lǐng)域在可行性和實(shí)用化方面都取得了突破性的進(jìn)展,其對(duì)于汽車(chē)行業(yè)甚至是交通運(yùn)輸業(yè)有著深遠(yuǎn)的影響。那么針對(duì)圖像的語(yǔ)義分割算法可以對(duì)圖像中的目標(biāo)進(jìn)行像素級(jí)的高精度分類(lèi),在自動(dòng)駕駛中,通過(guò)對(duì)圖像的語(yǔ)義分割可以獲取道路可行駛區(qū)域的信息,檢測(cè)車(chē)道標(biāo)記和交通信息等。圖像語(yǔ)義分割是計(jì)算機(jī)視覺(jué)領(lǐng)域中重要的任務(wù)之一,進(jìn)一步的提高其分割精度和處理速度是在實(shí)際應(yīng)用中需要解決的問(wèn)題。通常情況下利用視覺(jué)傳感器獲取的視頻的數(shù)據(jù)量龐大,并且對(duì)視頻處理過(guò)程的效率要求較高,而傳統(tǒng)的圖像處理方法難以滿(mǎn)足視頻分割的處理速度,且分割的精準(zhǔn)度較低。基于此,本文基于深度卷積神經(jīng)網(wǎng)絡(luò),分別設(shè)計(jì)了改進(jìn)的U形網(wǎng)絡(luò)和W形網(wǎng)絡(luò),并且利用光流場(chǎng)對(duì)幀與幀之間的特征進(jìn)行傳播和融合,使得整個(gè)方法在盡可能的保持精細(xì)的分割精度的前提下,大幅度降低實(shí)時(shí)的視頻語(yǔ)義分割處理時(shí)間。論文的主要內(nèi)容包括:首先本文基于編碼器-解碼器結(jié)構(gòu),設(shè)計(jì)了U形-S-A網(wǎng)絡(luò)結(jié)構(gòu),該網(wǎng)絡(luò)結(jié)構(gòu)利用深度可分離卷積結(jié)構(gòu)和通道注意力模型分別去除網(wǎng)絡(luò)特征圖中空間和通道的相關(guān)性,使得分類(lèi)精度得到進(jìn)一步的提升。接下來(lái)為了進(jìn)一步的降低分割的處理時(shí)間,本文還設(shè)計(jì)了基于ResNet網(wǎng)絡(luò)和X... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 國(guó)內(nèi)外在該方向的研究現(xiàn)狀及分析
        1.2.1 卷積神經(jīng)網(wǎng)絡(luò)發(fā)展歷史和現(xiàn)狀
        1.2.2 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像語(yǔ)義分割研究現(xiàn)狀
        1.2.3 基于卷積神經(jīng)網(wǎng)絡(luò)的視頻語(yǔ)義分割研究現(xiàn)狀
    1.3 本文的主要研究?jī)?nèi)容及章節(jié)安排
第2章 基于U形網(wǎng)絡(luò)的視頻語(yǔ)義分割模型研究
    2.1 引言
    2.2 基礎(chǔ)理論及方法介紹
        2.2.1 深度卷積神經(jīng)網(wǎng)絡(luò)介紹
        2.2.2 圖像語(yǔ)義分割算法介紹
        2.2.3 視頻語(yǔ)義分割算法介紹
    2.3 基于U形網(wǎng)絡(luò)的視頻語(yǔ)義分割方法研究
        2.3.1 深度可分離卷積神經(jīng)網(wǎng)絡(luò)原理分析
        2.3.2 通道注意力機(jī)制結(jié)構(gòu)原理分析
        2.3.3 實(shí)驗(yàn)改進(jìn)U形網(wǎng)絡(luò)總體框架及分析
    2.4 模型實(shí)驗(yàn)結(jié)果及分析
        2.4.1 實(shí)驗(yàn)數(shù)據(jù)集介紹
        2.4.2 實(shí)驗(yàn)結(jié)果對(duì)比展示分析
    2.5 本章小結(jié)
第3章 基于W形網(wǎng)絡(luò)的視頻語(yǔ)義分割模型研究
    3.1 引言
    3.2 W形網(wǎng)絡(luò)原理介紹分析
        3.2.1 ResNet網(wǎng)絡(luò)結(jié)構(gòu)研究分析
        3.2.2 Xception網(wǎng)絡(luò)結(jié)構(gòu)研究及分析
        3.2.3 實(shí)驗(yàn)改進(jìn)W形網(wǎng)絡(luò)結(jié)構(gòu)總體框架及分析
    3.3 基于W形網(wǎng)絡(luò)的視頻語(yǔ)義分割實(shí)驗(yàn)結(jié)果分析
        3.3.1 實(shí)驗(yàn)結(jié)果對(duì)比分析
        3.3.2 分割圖像可視化
    3.4 本章小結(jié)
第4章 融合光流場(chǎng)特征聚合的W形網(wǎng)絡(luò)視頻語(yǔ)義分割算法應(yīng)用
    4.1 引言
    4.2 光流場(chǎng)特征聚合算法介紹
        4.2.1 光流場(chǎng)原理研究分析
        4.2.2 光流場(chǎng)特征聚合框架分析介紹
    4.3 融合光流場(chǎng)特征聚合的W形網(wǎng)絡(luò)算法分析
    4.4 分類(lèi)實(shí)驗(yàn)結(jié)果及分析
        4.4.1 實(shí)驗(yàn)結(jié)果對(duì)比分析
        4.4.2 分割圖像可視化
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]深層網(wǎng)絡(luò)中的梯度消失現(xiàn)象[J]. 周祥全,張津.  科技展望. 2017(27)
[2]基于DCNN的圖像語(yǔ)義分割綜述[J]. 魏云超,趙耀.  北京交通大學(xué)學(xué)報(bào). 2016(04)
[3]圖像理解中的卷積神經(jīng)網(wǎng)絡(luò)[J]. 常亮,鄧小明,周明全,武仲科,袁野,楊碩,王宏安.  自動(dòng)化學(xué)報(bào). 2016(09)
[4]無(wú)人駕駛汽車(chē)的發(fā)展現(xiàn)狀和展望[J]. 楊帆.  上海汽車(chē). 2014(03)
[5]基于雙線性插值的圖像縮放算法的研究與實(shí)現(xiàn)[J]. 王森,楊克儉.  自動(dòng)化技術(shù)與應(yīng)用. 2008(07)



本文編號(hào)：3162229