基于深度學(xué)習(xí)的圖像語義分割研究.pdf

1、圖像的語義分割一直是計算機視覺領(lǐng)域的研究重點，而深度學(xué)習(xí)是近階段人工智能方向飛速發(fā)展的熱點，因此基于深度學(xué)習(xí)的機器視覺方面的應(yīng)用隨之成為全世界研究人員的熱點關(guān)注問題。深度學(xué)習(xí)的發(fā)展近十年來在人工智能領(lǐng)域取得了非常具有建設(shè)性的突破，也是現(xiàn)階段互聯(lián)網(wǎng)大數(shù)據(jù)環(huán)境下最流行的智能應(yīng)用方式之一。深度學(xué)習(xí)在圖像檢索、圖像內(nèi)容分析、自然語言處理、視頻行為分析、多媒體解析等諸多寬廣的領(lǐng)域上取得了引人矚目的成功應(yīng)用。接踵而至，各種各樣的計算機視覺問題都在嘗

2、試使用深度學(xué)習(xí)的方法來進行更為突破性的研究。本文重點研究基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)的圖像語義分割。研究一是針對室內(nèi)場景的圖像通過原始圖片的上下文信息約束來提高整體的像素級別的分割精度。研究二是將語義分割作為導(dǎo)向使用條件對抗網(wǎng)絡(luò)得到像素級別上更精準(zhǔn)、像素間更具相關(guān)性的分割結(jié)果，也是利用條件對抗網(wǎng)絡(luò)來處理圖像分割問題的研究嘗試。
　　首先介紹了傳統(tǒng)方法與深度學(xué)習(xí)方法在圖像語義分割任務(wù)上的差異，以及當(dāng)下最熱門的對抗學(xué)習(xí)方式和其中主要的生

3、成對抗網(wǎng)絡(luò)的介紹。主要分析了深度學(xué)習(xí)中卷積神經(jīng)網(wǎng)絡(luò)在圖像語義分割任務(wù)上的優(yōu)勢，以及生成對抗網(wǎng)絡(luò)在圖像語義分割任務(wù)上的可行性與優(yōu)點。
　　室內(nèi)場景的語義分割有很大的應(yīng)用范圍，例如智能機器人、室內(nèi)監(jiān)控等，但由于室內(nèi)場景中的物體類別繁多且分布不均勻，當(dāng)分割較小的物體或物體邊緣時很容易丟失標(biāo)簽。圖片的上下文信息表達的是像素點之間的關(guān)聯(lián)內(nèi)容，這些內(nèi)容之間的約束能對語義分割結(jié)果產(chǎn)生有效地幫助，但目前的研究還有很多尚未充分利用的地方。本文對此提

4、出了一個可學(xué)習(xí)的上下文正則化深度卷積神經(jīng)網(wǎng)絡(luò)模型，該模型利用卷積神經(jīng)網(wǎng)絡(luò)的特征提取能力得到原始圖片中豐富的上下文約束信息，用以加強語義分割結(jié)果。該正則化模型使用深度卷積分割網(wǎng)絡(luò)，但不引起明顯的額外參數(shù)增加網(wǎng)絡(luò)訓(xùn)練負(fù)擔(dān)。提出的模型利用室內(nèi)場景物體固有的上下文正則約束提高分割結(jié)果，可學(xué)習(xí)的約束是在網(wǎng)絡(luò)低層和網(wǎng)絡(luò)高層之間架起一個連接橋，在相鄰的RGB像素點使用L1約束學(xué)習(xí)上下文約束信息來輔助高層的像素點分類以提高分割精度。
　　基于深度

5、卷積神經(jīng)網(wǎng)絡(luò)語義分割的研究也越來越深入且取得了顯著的效果。生成式對抗網(wǎng)絡(luò)(GANs)是深度學(xué)習(xí)領(lǐng)域最新提出的比較重要的一個模型，但現(xiàn)有的主要研究大多是針對圖像生成、風(fēng)格轉(zhuǎn)移等任務(wù)，在圖像分割上的研究還不夠深入。因此本文使用生成對抗模型來研究和解決圖像語義分割任務(wù)，提出分割-對抗模型(Conditional Segmentation Generative Adversarial Networks,CSGAN)。CSGAN使用深度卷積語義分

6、割模型作為生成模型，基于輸入的RGB圖像產(chǎn)生對標(biāo)簽類預(yù)測的概率圖，逐像素計算回歸損失。CSGAN模型中的判別網(wǎng)絡(luò)對預(yù)測圖與標(biāo)簽圖的差異進行高階規(guī)律統(tǒng)計，為生成模型提供了一個自學(xué)習(xí)的全局損失統(tǒng)計方式，不依賴人工設(shè)計的損失項.。我們的模型保持了傳統(tǒng)語義分割模型端到端的訓(xùn)練，實驗結(jié)果有效地表明我們的模型不但能提高分割結(jié)果中單個物體的完整性，還能保持物體間的相互獨立性。
　　本文中針對室內(nèi)場景的可學(xué)習(xí)的上下文正則化深度卷積神經(jīng)網(wǎng)絡(luò)模型在室