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
重庆理工大学;