目錄
序
前言
第1章 緒論1
1.1 引言1
1.2 數(shù)字圖像基礎(chǔ)3
1.2.1 數(shù)字圖像概念4
1.2.2 圖像三要素4
1.2.3 數(shù)字圖像文件格式6
1.3 圖像預(yù)處理7
1.3.1 點(diǎn)運(yùn)算7
1.3.2 直方圖處理12
1.3.3 圖像去噪16
1.4 圖像語義分割基本操作23
1.4.1 卷積23
1.4.2 圖像填充25
1.4.3 下采樣26
1.4.4 上采樣27
1.4.5 one-hot編碼31
1.5 圖像分割評(píng)價(jià)指標(biāo)33
1.5.1 準(zhǔn)確率33
1.5.2 混淆矩陣33
1.5.3 交并比34
1.5.4 靈敏度35
1.5.5 特異性36
1.5.6 F1分?jǐn)?shù)36
參考文獻(xiàn)36
第2章 傳統(tǒng)圖像分割方法和數(shù)學(xué)形態(tài)學(xué)38
2.1 傳統(tǒng)圖像分割方法38
2.1.1 基于閾值的圖像分割方法38
2.1.2 基于區(qū)域的圖像分割方法42
2.1.3 基于邊緣的圖像分割方法48
2.1.4 基于圖論的圖像分割方法53
2.1.5 基于能量泛函的圖像分割方法57
2.1.6 基于特定工具的圖像分割方法62
2.1.7 其他分割方法65
2.2 數(shù)學(xué)形態(tài)學(xué)68
2.2.1 膨脹和腐蝕68
2.2.2 閉運(yùn)算與開運(yùn)算70
2.2.3 形態(tài)學(xué)梯度70
2.2.4 頂帽運(yùn)算72
2.2.5 黑帽運(yùn)算72
2.3 圖像金字塔73
2.3.1 高斯金字塔73
2.3.2 拉普拉斯金字塔74
2.3.3 高斯差分76
2.4 小結(jié)77
參考文獻(xiàn)77
第3章 神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)79
3.1 生物神經(jīng)網(wǎng)絡(luò)原理79
3.2 人工神經(jīng)網(wǎng)絡(luò)發(fā)展80
3.3 深度學(xué)習(xí)模型87
3.3.1 卷積神經(jīng)網(wǎng)絡(luò)88
3.3.2 基于多層神經(jīng)元的自編碼神經(jīng)網(wǎng)絡(luò)97
3.3.3 深度置信網(wǎng)絡(luò)99
3.4 小結(jié)及相關(guān)研究101
3.4.1 小結(jié)101
3.4.2 相關(guān)研究102
參考文獻(xiàn)104
第4章 全卷積網(wǎng)絡(luò)107
4.1 引言107
4.2 VGGNet110
4.2.1 VGGNet簡介110
4.2.2 VGG16具體代碼實(shí)現(xiàn)113
4.3 FCN網(wǎng)絡(luò)結(jié)構(gòu)113
4.4 FCN算法原理115
4.4.1 全卷積結(jié)構(gòu)115
4.4.2 上采樣116
4.4.3 特征融合116
4.5 FCN具體實(shí)現(xiàn)介紹117
4.6 小結(jié)及相關(guān)研究119
4.6.1 小結(jié)119
4.6.2 相關(guān)研究120
參考文獻(xiàn)120
第5章 U-Net122
5.1 引言122
5.1.1 U-Net簡介122
5.1.2 U-Net發(fā)展歷程123
5.1.3 U-Net的基本概念125
5.2 U-Net網(wǎng)絡(luò)模型126
5.2.1 網(wǎng)絡(luò)結(jié)構(gòu)126
5.2.2 算法原理128
5.2.3 算法流程及實(shí)現(xiàn)代碼131
5.3 AFNet網(wǎng)絡(luò)模型133
5.3.1 AFNet網(wǎng)絡(luò)結(jié)構(gòu)介紹133
5.3.2 相關(guān)研究內(nèi)容135
5.3.3 算法流程及實(shí)現(xiàn)代碼139
5.4 小結(jié)及相關(guān)研究142
5.4.1 小結(jié)142
5.4.2 相關(guān)研究142
參考文獻(xiàn)143
第6章 SegNet145
6.1 引言145
6.1.1 SegNet背景145
6.1.2 SegNet發(fā)展歷程146
6.2 SegNet結(jié)構(gòu)介紹147
6.2.1 SegNet網(wǎng)絡(luò)結(jié)構(gòu)介紹147
6.2.2 相關(guān)內(nèi)容介紹148
6.3 實(shí)驗(yàn)152
6.3.1 評(píng)價(jià)指標(biāo)152
6.3.2 參數(shù)及數(shù)據(jù)集152
6.3.3 SegNet性能對(duì)比153
6.3.4 SegNet結(jié)構(gòu)代碼155
6.4 小結(jié)及相關(guān)研究160
參考文獻(xiàn)161
第7章 DeepLab系列算法163
7.1 引言163
7.1.1 DeepLab系列算法簡介163
7.1.2 DeepLab發(fā)展歷程164
7.2 網(wǎng)絡(luò)結(jié)構(gòu)165
7.2.1 網(wǎng)絡(luò)結(jié)構(gòu)介紹165
7.2.2 主要?jiǎng)?chuàng)新點(diǎn)172
7.3 算法流程以及實(shí)現(xiàn)代碼186
7.3.1 DeepLab v1186
7.3.2 DeepLab v2190
7.3.3 DeepLab v3192
7.3.4 DeepLab v3+195
7.4 小結(jié)及相關(guān)研究208
7.4.1 小結(jié)208
7.4.2 相關(guān)研究209
參考文獻(xiàn)210
第8章 GCN212
8.1 引言212
8.1.1 GCN簡介212
8.1.2 GCN相關(guān)基礎(chǔ)概念214
8.2 總體網(wǎng)絡(luò)結(jié)構(gòu)介紹215
8.3 算法原理216
8.3.1 全局卷積網(wǎng)絡(luò)結(jié)構(gòu)216
8.3.2 邊緣細(xì)化模塊218
8.4 實(shí)驗(yàn)218
8.4.1 數(shù)據(jù)集性能測(cè)試218
8.4.2 預(yù)訓(xùn)練模型嵌入220
8.5 算法流程及實(shí)現(xiàn)代碼221
8.5.1 算法流程222
8.5.2 具體實(shí)現(xiàn)代碼222
8.6 小結(jié)及相關(guān)研究223
8.6.1 小結(jié)223
8.6.2 相關(guān)研究223
參考文獻(xiàn)224
第9章 輕量級(jí)實(shí)時(shí)分割226
9.1 引言226
9.1.1 輕量級(jí)網(wǎng)絡(luò)簡介226
9.1.2 輕量級(jí)網(wǎng)絡(luò)發(fā)展歷程226
9.2 ENet網(wǎng)絡(luò)227
9.2.1 主要?jiǎng)?chuàng)新點(diǎn)227
9.2.2 結(jié)構(gòu)介紹229
9.2.3 ENet實(shí)驗(yàn)230
9.3 BiSeNet網(wǎng)絡(luò)233
9.3.1 主要?jiǎng)?chuàng)新點(diǎn)234
9.3.2 結(jié)構(gòu)介紹236
9.3.3 BiSeNet實(shí)驗(yàn)237
9.4 DFANet網(wǎng)絡(luò)239
9.4.1 主要?jiǎng)?chuàng)新點(diǎn)239
9.4.2 結(jié)構(gòu)介紹240
9.4.3 DFANet實(shí)驗(yàn)242
9.5 小結(jié)及相關(guān)研究244
9.5.1 小結(jié)245
9.5.2 相關(guān)研究245
參考文獻(xiàn)247
第10章 RedNet：RGB-D語義分割入門249
10.1 引言249
10.2 室內(nèi)RGB-D語義分割和金字塔監(jiān)督251
10.2.1 室內(nèi)RGB-D語義分割251
10.2.2 金字塔監(jiān)督255
10.3 算法流程以及實(shí)現(xiàn)257
10.3.1 算法流程258
10.3.2 實(shí)現(xiàn)260
10.4 小結(jié)及相關(guān)研究264
10.4.1 小結(jié)264
10.4.2 相關(guān)研究264
參考文獻(xiàn)266
第11章 RDFNet268
11.1 引言268
11.1.1 背景以及相關(guān)工作268
11.1.2 RefineNet發(fā)展歷程270
11.2 網(wǎng)絡(luò)結(jié)構(gòu)271
11.2.1 網(wǎng)絡(luò)結(jié)構(gòu)介紹271
11.2.2 MMFNet模塊279
11.3 算法流程及實(shí)現(xiàn)代碼280
11.3.1 RDFNet280
11.3.2 RDFNet實(shí)現(xiàn)284
11.4 小結(jié)及相關(guān)研究284
11.4.1 小結(jié)284
11.4.2 相關(guān)研究285
參考文獻(xiàn)286
彩圖