基于高分辨率类别激活图的弱监督图像分割方法研究

目录

第1 章 绪 论

1.1 课题背景及研究的目的和意义

1.2 弱监督语义图像分割的发展概况

1.2.1 弱监督语义图像分割方法研究现状

1.2.2 基于两阶段框架的弱监督语义图像分割

1.2.3 基于类别激活图的两阶段训练框架

1.3 本文的主要研究内容

第2 章基于多尺寸特征融合的高分辨率CAM 模型

2.1 引言

2.2 深度卷积网络与多尺寸特征

2.3 基于多尺寸特征融合的分类网络模型

2.3.1 基于残差网络的图像分类

2.3.2 基于残差网络的多尺寸特征融合改进模型

2.4 图像分类及 CAM 生成实验

2.4.1 实验数据与实验设定

2.4.2 实验结果及分析

2.5 本章小结

第3 章融入注意力模块的高分辨率CAM 模型

3.1 引言

3.2 基于注意力机制的特征增强

3.3 利用“聚合-激活”模块强化多尺寸特征融合

3.4 CAM 生成及分割网络预测实验

3.4.1 实验数据与实验设定

3.4.2 实验结果及分析

3.5 本章小结

第4 章基于编解码网络的高分辨率CAM 模型

4.1 引言

4.2 面向弱监督语义图像分割的 CAM 约束优化

4.2.1 相关工作介绍

4.2.2 基于语义一致性的 CAM 约束优化

4.3 基于编码器-解码器结构的高分辨率 CAM 模型

4.3.1 编码器模型结构

4.3.2 分类器模型结构

4.3.3 解码器模型结构

4.3.4 模型训练及测试流程

4.4 编码-解码网络训练与 CAM 生成实验

4.4.1 编码器和分类器的训练

4.4.2 实验数据及实验设定

4.4.3 实验结果及分析

4.5 本章小结

结 论

参考文献

声明

致 谢