声明
摘要
1.1 课题背景
1.1.1 文化创意产业
1.1.2 文化艺术图像鉴赏与分析
1.2 相关领域研究现状与存在的问题
1.3 本文的主要工作
1.4 本文的组织与结构
第2章 图像分割相关技术与研究现状
2.1 图像分割与图像语义分割
2.2 相关评估标准
2.3 基于非深度学习的图像分割算法
2.3.1 基于边缘检测的图像分割算法
2.3.2 基于色彩的图像分割算法
2.3.3 基于区域的图像分割算法
2.3.4 基于图论及概率图模型的图像分割算法
2.4 基于深度学习的图像分割算法
2.4.1 人工神经网络
2.4.2 卷积神经网络
2.4.3 基于全卷积神经网络的图像分割
2.5 总结
第3章 基于空洞卷积和超列特征的语义分割
3.1 引言
3.2 总体网络结构
3.3 基于空洞卷积的上采样
3.4 基于超列特征的特征提取模块
3.5 像素分类模块设计
3.6 批规范化与改进的激活函数
3.6.1 批规范化
3.6.2 改进的ReLU激活函数
3.7 实验结果分析
3.7.1 运行环境
3.7.2 在CamVid数据集上实验结果
3.7.3 在PASCAL VOC 2012数据集上实验结果
3.7.4 在艺术图像数据集上实验结果
3.8 总结
第4章 结合卷积神经网络与Graph-Cut算法的精细分割
4.1 引言
4.2 基于图割的图像分割算法:Graph-Cut
4.3 结合卷积神经网络改进Graph-Cut算法
4.4 实验结果分析
4.5 总结
5.1 总结
5.2 展望
参考文献
攻读硕士学位期间主要的研究成果
致谢