分布式神经网络计算方法研究及其在航拍图片中的应用

声明

1 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 图像分割的研究现状

1.2.2 神经网络的分布式计算研究现状

1.3 本文研究内容

1.4 论文组织结构

2 图像分割及神经网络训练相关技术

2.1 神经网络简介

2.1.1 卷积层

2.1.2 池化层

2.1.3 空洞卷积

2.2 基于神经网络的图像分割

2.2.1 图像分割上采样技术

2.2.2 基于FCN的图像分割

2.2.3 基于U-Net的图像分割

2.2.4 基于Deeplab 的图像分割

2.3 训练神经网络相关技术

2.3.1 过拟合

2.3.2 随机梯度下降算法

2.3.3 分布式训练

2.3.4 飞桨PaddlePaddle 简介

2.4 本章小结

3 基于 Deeplabv3+的航拍图片分割方法改进

3.1 数据预处理

3.1.1 图片裁剪、镜像和旋转

3.1.2 去均值化处理

3.2 基于Deeplabv3+的算法优化

3.2.1 网络模型的改进

3.2.2 标签的不均衡处理

3.2.3 网络模型的详细参数

3.3 航拍图片的预测

3.3.1 图片的拼接问题

3.3.2 膨胀预测

3.4 实验设计与结果分析

3.4.1 实验设计

3.4.2 实验结果

3.4.3 结果分析

3.5 本章小结

4 面向异构集群的分布式神经网络训练

4.1 异构集群概述

4.2 分布式神经网络训练相关方法及分析

4.2.1 计算节点和参数服务器

4.2.2 异步训练

4.2.3 同步训练

4.3 针对异构集群的同步训练改进

4.3.1 同步训练的耗时计算

4.3.2 负载均衡的实现

4.4 实验设计与结果分析

4.4.1 实验设计

4.4.2 改进效果及参数分析

4.4.3 航拍图片的分布式训练

4.5 本章小结

5 航拍图片的应用设计与实现

5.1 应用需求分析

5.1.1 数据标准化处理

5.1.2 航拍图片分割预测

5.1.3 百分比统计

5.1.4 图片融合

5.1.5 图片指定信息输出

5.2 应用模块设计

5.3 系统实现

5.3.1 系统界面介绍

5.3.2 系统功能使用

5.4 本章小节

6 总结与展望

6.1 总结

6.2 未来展望

致谢

参考文献

个人简历、在学期间发表的学术论文及取得的研究成果