基于CRF的圖像語義理解算法研究.pdf

1、圖像語義理解是計算機視覺領(lǐng)域中重要的研究方向之一，其研究成果可應(yīng)用于機器人導(dǎo)航，無人駕駛，虛擬現(xiàn)實，圖像檢索等眾多領(lǐng)域，具有重要的實用價值和學(xué)術(shù)研究意義。圖像語義分割是圖像語義理解的任務(wù)之一，結(jié)合圖像像素分類，從整體上理解圖像包含的目標(biāo)，并給出具體的目標(biāo)區(qū)域輪廓。目前主流的方法一般首先提取圖像中的特征，并對圖像像素進行分類，然后利用概率圖模型來提高像素分類，即圖像理解的精度。上述方法需要解決兩個問題：（1）如何提取高效的特征，進而提高像

2、素分類的精度；（2）像素初步分類的結(jié)果如何結(jié)合概率圖模型，利用圖模型的約束關(guān)系來減少誤分類，提高最終圖像理解結(jié)果的精度。針對上述兩個方面的問題，本文提出了利用多尺度深度學(xué)習(xí)進行圖像理解，以及深度學(xué)習(xí)和條件隨機場模型結(jié)合進行圖像語義理解的方法。具體工作如下：
　　（1）針對提取高效特征，并進行圖像像素分類的問題，本文提出一種多尺度深度學(xué)習(xí)圖像語義理解方法。該方法利用多尺度卷積神經(jīng)網(wǎng)絡(luò)交叉迭代來獲取圖像的稠密性特征，對圖像的尺度變化具