Sharif Digital Repository / Sharif University of Technology
    • [Zoom In]
    • [Zoom Out]
  • Page 
     of  0
  • [Previous Page]
  • [Next Page]
  • [Fullscreen view]
  • [Close]
 
بخش‌بندی معنایی با سرپرست تصاویر RGB-Depth
فولادگر، فهیمه Fooladgar, Fahimeh

Cataloging brief

بخش‌بندی معنایی با سرپرست تصاویر RGB-Depth
پدیدآور اصلی :   فولادگر، فهیمه Fooladgar, Fahimeh
ناشر :   دانشگاه صنعتی شریف
سال انتشار  :   1399
موضوع ها :   بخش بندی معنایی Semantic Segmentation شبکه‌ عصبی کارآمد Efficient Neural Network دوربین...
شماره راهنما :   ‭19-53435

Find in content

sort by

Bookmark

  • 1 مقدمه (14)
    • 1-1 تعریف، اهمیت و کاربرد مسئله (15)
    • 1-2 رویکردهای مختلف ارائه شده برای حل مسئله (16)
      • 1-2-1 روش‌های مبتنی بر ویژگی‌های مهندسی دست‌ساز (16)
      • 1-2-2 روش‌های مبتنی بر ویژگی‌های ژرف (18)
    • 1-3 مشکلات و چالش‌های موجود (19)
    • 1-4 رویکرد پیشنهادی و چکیده‌‌‌ای از نتایج به‌دست‌آمده (20)
    • 1-5 ساختار رساله (23)
  • 2 پژوهش‌های پیشین (24)
    • 2-1 مقدمه: مسئله‌ی برچسب‌گذاری تصاویر (24)
    • 2-2 روش‌های برچسب‌گذاری مبتنی بر ویژگی‌های مهندسی دست‌ساز (26)
      • 2-2-1 روش‌های مبتنی بر ویژگی‌های دست‌ساز- تصاویر RGB (26)
      • 2-2-2 روش‌های مبتنی بر ویژگی‌های دست‌ساز - تصاویر RGB-D (28)
    • 2-3 روش‌های مبتنی بر شبکه‌های عصبی ژرف (31)
      • 2-3-1 روش های مبتنی بر شبکه های عصبی ژرف- تصاویر RGB-D (36)
      • 2-3-2 شبکه های عصبی پیچشی کارآمد (42)
    • 2-4 جمع بندی (48)
  • 3 روش پیشنهادی (49)
    • 3-1 تعریف مسئله (50)
    • 3-2 روش مبتنی بر ویژگی‌های دست‌ساز (51)
      • 3-2-1 تولید فراپیکسل (51)
      • 3-2-2 استخراج ویژگی (52)
      • 3-2-3 به کارگیری مدل میدان اتفاقی شرطی (55)
    • 3-3 روش پیشنهادی اول: طراحی معماری کارآمد (56)
      • 3-3-1 شبکه ژرفِ متراکم با اتصال باقی‌مانده (57)
      • 3-3-2 شبکه‌ي ژرف چندماهیتی-چنددقتی توجه-محور (66)
    • 3-4 روش پیشنهادی دوم: شبکه‌ي خود-چکانشِ هم‌آوردی (75)
      • 3-4-1 شبکه‌ی خود-چکانش‌ هم‌آوردی برای برچسب‌گذاری تصاویر (76)
      • 3-4-2 شبکه‌ی خود-چکانش‌ هم‌آوردی برای بخش‌بندی معنایی تصاویر (82)
    • 3-5 جمع بندی (85)
  • 4 نتایج تجربی (87)
    • 4-1 معرفی پایگاه‌داده‌های دسته‌بندی تصاویر (87)
    • 4-2 معرفی مجموعه دادگان بخش‌بندی معنایی (88)
      • 4-2-1 پایگاه داده NYU (89)
      • 4-2-2 پایگاه‌داده SUNRGB-D (89)
      • 4-2-3 پایگاه داده Stanford-2D-3D-Semantics (89)
    • 4-3 معیار ارزیابی (90)
      • 4-3-1 معیار ارزیابی برچسب‌گذاری تصاویر (90)
      • 4-3-2 معیار ارزیابی بخش‌بندی معنایی تصاویر (91)
    • 4-4 معیار ارزیابی پیشنهادی (93)
    • 4-5 نتایج روش پیشنهادی مبتنی بر ویژگی‌های مهندسی دست‌ساز (95)
    • 4-6 نتایج طراحی معماری‌های کارآمد (95)
      • 4-6-1 نتایج دسته‌بندی: شبکه‌ی ژرفِ متراکم با اتصال باقی‌مانده (96)
      • 4-6-2 نتایج بخش‌بندی: شبکه‌ی ژرف چندماهیتی و چنددقتی توجه-محور (104)
    • 4-7 نتایج معماری‌های خودچکانشِ هم‌آوردی (112)
      • 4-7-1 نتایج دسته‌بندی تصاویر (112)
      • 4-7-2 نتایج بخش‌بندی تصاویر (115)
      • 4-7-3 پیچیدگی محاسباتی مدل پیشنهادی (117)
    • 4-8 جمع بندی نتایج (119)
  • 5 جمع‌بندی و کارهای آتی (120)
    • 5-1 خلاصه‌ی مطالب (120)
    • 5-2 جمع‌بندی و نتیجه‌گیری (122)
    • 5-3 راهکارهای آتی (124)
  • مراجع (125)
  • واژه‌نامه فارسی به انگلیسی (137)
  • واژه‌نامه انگلیسی به فارسی (145)
Loading...