基于卷積神經(jīng)網(wǎng)絡(luò)的圖像語義分割算法研究.pdf

1、隨著圖像數(shù)據(jù)的爆炸式增長和深度學(xué)習(xí)的不斷發(fā)展，計算機(jī)視覺任務(wù)吸引了很多研究者的關(guān)注。在卷積神經(jīng)網(wǎng)絡(luò)的推動下，圖像分類、目標(biāo)識別、語義分割等任務(wù)的準(zhǔn)確度在穩(wěn)步提升。語義分割是指在圖像分割的基礎(chǔ)上對每個像素點(diǎn)進(jìn)行分類，傳統(tǒng)的做法是對提取的可能的目標(biāo)區(qū)域進(jìn)行人工特征提取，然后進(jìn)行分類器訓(xùn)練?；诰矸e神經(jīng)網(wǎng)絡(luò)的圖像語義分割算法直接進(jìn)行端對端的網(wǎng)絡(luò)訓(xùn)練，自動對特征進(jìn)行提取，效果上要優(yōu)于傳統(tǒng)的方法。
　　經(jīng)過充分的調(diào)研之后，基于經(jīng)典的卷積神經(jīng)

2、網(wǎng)絡(luò)語義分割的模型，加入適當(dāng)?shù)牟呗圆⒄{(diào)整網(wǎng)絡(luò)的結(jié)構(gòu)，并提出了新的網(wǎng)絡(luò)，同時對提出的網(wǎng)絡(luò)模型算法進(jìn)行了深入對比實驗。具體的研究工作和創(chuàng)新點(diǎn)如下：
　　第一，對卷積神經(jīng)網(wǎng)絡(luò)原理和網(wǎng)絡(luò)搭建工具進(jìn)行了介紹，詳細(xì)講解了兩種經(jīng)典的基于卷積神經(jīng)網(wǎng)絡(luò)語義分割算法，一種是基于圖像塊分類的語義分割算法，另一種是基于全卷積網(wǎng)絡(luò)的語義分割算法，并在經(jīng)典圖像數(shù)據(jù)集PASCAL VOC2012中對兩種不同的算法進(jìn)行了對比實驗，為后續(xù)研究提供了理論和實踐基礎(chǔ)；

3、
　　第二，提出了一種基于多尺度池化策略的語義分割算法，首先介紹了基于多尺度池化策略的檢測算法，再將其技巧擴(kuò)展到語義分割算法中，采用多尺度輸入和多尺度池化的方法，改變卷積神經(jīng)網(wǎng)絡(luò)中的感受野，解決目標(biāo)不能完整分割識別等問題，在多個數(shù)據(jù)集進(jìn)行定性和定量實驗，驗證了算法的有效性；
　　第三，提出了一種集成條件隨機(jī)場的反卷積網(wǎng)絡(luò)模型用于更好地解決語義分割問題。反卷積網(wǎng)絡(luò)的優(yōu)勢在于對不同大小的目標(biāo)分割識別較好，可以大大減少大目標(biāo)被過分