基于CRF的圖像語(yǔ)義理解算法研究.pdf

1、圖像語(yǔ)義理解是計(jì)算機(jī)視覺(jué)領(lǐng)域中重要的研究方向之一，其研究成果可應(yīng)用于機(jī)器人導(dǎo)航，無(wú)人駕駛，虛擬現(xiàn)實(shí)，圖像檢索等眾多領(lǐng)域，具有重要的實(shí)用價(jià)值和學(xué)術(shù)研究意義。圖像語(yǔ)義分割是圖像語(yǔ)義理解的任務(wù)之一，結(jié)合圖像像素分類(lèi)，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(duì)圖像像素進(jìn)行分類(lèi)，然后利用概率圖模型來(lái)提高像素分類(lèi)，即圖像理解的精度。上述方法需要解決兩個(gè)問(wèn)題：（1）如何提取高效的特征，進(jìn)而提高像

2、素分類(lèi)的精度；（2）像素初步分類(lèi)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(lái)減少誤分類(lèi)，提高最終圖像理解結(jié)果的精度。針對(duì)上述兩個(gè)方面的問(wèn)題，本文提出了利用多尺度深度學(xué)習(xí)進(jìn)行圖像理解，以及深度學(xué)習(xí)和條件隨機(jī)場(chǎng)模型結(jié)合進(jìn)行圖像語(yǔ)義理解的方法。具體工作如下：
　?。?）針對(duì)提取高效特征，并進(jìn)行圖像像素分類(lèi)的問(wèn)題，本文提出一種多尺度深度學(xué)習(xí)圖像語(yǔ)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(lái)獲取圖像的稠密性特征，對(duì)圖像的尺度變化具