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

1、隨著圖像數(shù)據(jù)的爆炸式增長(zhǎng)和深度學(xué)習(xí)的不斷發(fā)展，計(jì)算機(jī)視覺(jué)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(dòng)下，圖像分類、目標(biāo)識(shí)別、語(yǔ)義分割等任務(wù)的準(zhǔn)確度在穩(wěn)步提升。語(yǔ)義分割是指在圖像分割的基礎(chǔ)上對(duì)每個(gè)像素點(diǎn)進(jìn)行分類，傳統(tǒng)的做法是對(duì)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(yǔ)義分割算法直接進(jìn)行端對(duì)端的網(wǎng)絡(luò)訓(xùn)練，自動(dòng)對(duì)特征進(jìn)行提取，效果上要優(yōu)于傳統(tǒng)的方法。
　　經(jīng)過(guò)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(yǔ)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(shí)對(duì)提出的網(wǎng)絡(luò)模型算法進(jìn)行了深入對(duì)比實(shí)驗(yàn)。具體的研究工作和創(chuàng)新點(diǎn)如下：
　　第一，對(duì)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(yǔ)義分割算法，一種是基于圖像塊分類的語(yǔ)義分割算法，另一種是基于全卷積網(wǎng)絡(luò)的語(yǔ)義分割算法，并在經(jīng)典圖像數(shù)據(jù)集PASCAL VOC2012中對(duì)兩種不同的算法進(jìn)行了對(duì)比實(shí)驗(yàn)，為后續(xù)研究提供了理論和實(shí)踐基礎(chǔ)；

3、
　　第二，提出了一種基于多尺度池化策略的語(yǔ)義分割算法，首先介紹了基于多尺度池化策略的檢測(cè)算法，再將其技巧擴(kuò)展到語(yǔ)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(shí)別等問(wèn)題，在多個(gè)數(shù)據(jù)集進(jìn)行定性和定量實(shí)驗(yàn)，驗(yàn)證了算法的有效性；
　　第三，提出了一種集成條件隨機(jī)場(chǎng)的反卷積網(wǎng)絡(luò)模型用于更好地解決語(yǔ)義分割問(wèn)題。反卷積網(wǎng)絡(luò)的優(yōu)勢(shì)在于對(duì)不同大小的目標(biāo)分割識(shí)別較好，可以大大減少大目標(biāo)被過(guò)分