声明
第一章 绪 论
1.1 研究工作的背景与意义
1.2 图像分割的国内外研究历史与现状
1.3 本文的主要贡献与创新
1.4 本论文的结构安排
第二章 深度学习基础和无监督图像转换
2.1 深度学习基础
2.1.1 卷积神经网络
2.1.2 生成对抗网络
2.1.3 全卷积神经网络
2.2 无监督图像转换
2.2.1 框架
2.2.2 实现细节
2.3 实验
2.3.1 数据集
2.3.2 可视化结果
2.4 本章小结
第三章 基于深度学习的域自适应图像语义分割
3.1 域自适应
3.2 方法框架
3.2.1 域自适应网络
3.2.2 自训练策略
3.2.3 实现细节
3.3 实验
3.3.1 数据集
3.3.2 消融实验
3.3.3 和当前最好的方法比较
3.3.4 可视化结果
3.4 本章小结
第四章 多样性学习方法
4.1 多样性学习
4.1.1 风格化数据集
4.1.2 人类和卷积神经网络在ImageNet分类中的纹理和形状倾向
4.1.3 修正卷积神经网络对纹理的倾向
4.1.4 多样性学习框架
4.2 实验
4.2.1 可视化结果
4.2.2 和当前最好的方法比较
4.2.3 实验结果分析
4.3 本章小结
第五章 全文总结与展望
5.1 全文总结
5.2 后续工作展望
致谢
参考文献
攻读专业硕士学位期间取得的成果
电子科技大学;