回首頁

為您推薦

海洋技術基礎

¥ 46.50

生活探索家:海灘上的科學

¥ 29.85

育嬰員實訓教程

¥ 28.50

小海獺帕普

¥ 24.65

船舶機械

¥ 36.00

“一帶一路”案例實踐與風險防范·文化篇

¥ 33.60

首頁 > 海洋書城 > 教材類 > 計算機教材

基于深度學習的圖像語義分割技術

定 價: ¥ 68.00

會員價: ¥ 57.80

6757

瀏覽次數

作者:田萱 王亮 孟祥光 著

出版日期:2019-12-01

ISBN:978-7-5210-0354-3

裝幀:平裝

頁數:116

版次:B1

立即購買 加入購物車

內容簡介

近年來,信息處理技術和計算機計算能力迅猛發展,以圖像為代表的數字信息呈指數級增長,與圖像相關的應用也越來越廣泛,隨著人工智能和視覺設備的普及,如何讓智能機器能夠準確識別圖像中豐富的視覺信息和語義信息已經成為一個及其重要且富有挑戰的任務。計算機視覺技術適用于對圖像進行標簽、分類和分割等處理,能夠使用電子設備代替生物眼球對物體進行識別、檢測和定位等活動,支撐著現代社會機器生產力的提高以及人工智能的普及,是解決上述問題的一種重要技術。

目錄

1 緒論... 1

1.1 研究背景與意義... 1

1.2 國內外研究狀況與發展趨勢... 3

1.2.1 傳統的圖像語義分割技術... 3

1.2.2 基于深度學習的圖像語義分割技術... 5

1.3 主要工作與研究成果... 6

1.4 本書的主要內容與結構安排... 8

2 深度學習和其他相關技術介紹... 11

2.1 引言... 11

2.2 深度神經網絡基本類型... 11

2.2.1 卷積神經網絡... 12

2.2.2 循環神經網絡... 12

2.2.3    生成對抗網絡... 13

2.3 深度學習經典網絡模型... 14

2.3.1    LeNet-5網絡模型... 14

2.3.2    AlexNet網絡模型... 15

2.3.3    VGGNet網絡模型... 16

2.3.4    ResNet網絡模型... 16

2.3.5    GoogLeNet網絡模型... 17

2.3.6    Siamese網絡模型... 18

2.3.7    MobileNets網絡模型... 19

2.4 遷移學習... 21

2.4.1 遷移學習的基本類型... 21

2.4.2 遷移學習的主要優點... 24

2.4.3 遷移學習在圖像語義分割領域的應用... 24

2.5 本章小節... 25

3 基于深度學習的圖像語義分割方法綜述... 27

3.1 引言... 27

3.2 相關背景及早期研究介紹... 28

3.3 基于區域分類的圖像語義分割方法... 29

3.3.1 基于候選區域的圖像語義分割方法... 30

3.3.2 基于分割掩膜的圖像語義分割方法... 32

3.4 基于像素分類的圖像語義分割方法... 33

3.4.1 基于FCN的圖像語義分割方法... 36

3.4.2 基于優化卷積結構的圖像語義分割方法... 37

3.4.3 基于編碼器-解碼器模型的圖像語義分割方法... 38

3.4.4 基于概率圖模型的圖像語義分割方法... 40

3.4.5 基于特征融合的圖像語義分割方法... 42

3.4.6 基于RNN的圖像語義分割方法... 44

3.4.7 基于GAN的圖像語義分割方法... 45

3.5 本章小結... 47

4 一種改進“編碼器-解碼器模型”的圖像語義分割算法... 49

4.1 引言... 49

4.2 一種改進的密集連接帶孔卷積網絡... 50

4.2.1 密集卷積網絡... 51

4.2.2 帶孔卷積... 53

4.2.3 密集連接帶孔卷積網絡... 55

4.3 一種改進的密集連接全局平均帶孔金字塔池化模型... 56

4.3.1 帶孔空間金字塔池化模型... 57

4.3.2    DenseGlobalASPP模型的結構原理... 59

4.3.3    DenseGlobalASPP模型的數學分析... 61

4.4 一種改進的基于“編碼器-解碼器模型”的圖像語義分割算法... 63

4.4.1 經典的“基于編碼器-解碼器模型的ISS算法”介紹... 64

4.4.2 改進的“基于編碼器-解碼器模型的ISS算法”概述... 66

4.4.3    DenseASPPDeconvNet網絡模型的編碼器模塊介紹... 68

4.4.4    DenseASPPDeconvNet網絡模型的解碼器模塊介紹... 71

4.4.5    DenseASPPDeconvNet網絡模型的總體框架結構... 73

4.5 本章小結... 78

5 算法實驗與結果分析... 79

5.1 引言... 79

5.2 實驗配置及相關信息介紹... 80

5.2.1 實驗基本配置... 80

5.2.2 實驗性能評價指標... 81

5.2.3 實驗公共數據集... 82

5.3 實驗參數設置及訓練策略... 85

5.3.1 實驗參數設置... 85

5.3.2 訓練及調參方法... 87

5.4 實驗結果分析與對比... 90

5.4.1 網絡訓練過程分析... 90

5.4.2    DenseASPPDeconvNet實驗結果分析與對比... 93

5.4.3    DenseASPPDeconvNet中各模塊性能分析與對比... 99

5.4.4 實驗結果可視化展示... 103

5.5 本章小結... 106

6 總結與展望... 107

6.1 本書工作內容總結... 107

6.2 未來研究工作展望... 109

參考文獻... 111


精彩書摘

作者:田萱,王亮,孟祥光,北京林業大學專業教師,主要從事計算機視覺、模式識別與人工智能等專業教學與科研。

讀者評論

找回密碼

換一張
下一步

密碼重置郵件已發送到您郵箱,請查收

確定
關閉
澳洲幸运10是真的吗