本书在图像预处理方法、图像语义分割概念、评价指标等基础上，首先介绍了传统图像分割方法及发展历程，以及神经网络和深度学习的演变过程，然后介绍了经典语义分割网络如全卷积网络、U-Net、DeconvNet、DeepLab系列算法、全局卷积网络、RefincNct等，实时语义分割网络如SegNet、ENet、BiSeNet、DFANet、Light-WeightRefineNet，室内RGB-D语义分割网络如RedNct、RDFNct。本书不仅介绍了图像分割方法的原理，还给出了代码实例和注释说明，以便读者理解。 本书适合计算机科学或人工智能等专业的高校师生、科研人员阅读，也可供对人工智能相关研究感兴趣的读者参阅。

序
前言
第1章 绪论
1.1 引言
1.2 数字图像基础
1.2.1 数字图像概念
1.2.2 图像三要素
1.2.3 数字图像文件格式
1.3 图像预处理
1.3.1 点运算
1.3.2 直方图处理
1.3.3 图像去噪
1.4 图像语义分割基本操作
1.4.1 卷积
1.4.2 图像填充
1.4.3 下采样
1.4.4 上采样
1.4.5 one-hot编码
1.5 图像分割评价指标
1.5.1 准确率
1.5.2 混淆矩阵
1.5.3 交并比
1.5.4 灵敏度
1.5.5 特异性
1.5.6 F1分数
参考文献
第2章 传统图像分割方法和数学形态学
2.1 传统图像分割方法
2.1.1 基于阈值的图像分割方法
2.1.2 基于区域的图像分割方法
2.1.3 基于边缘的图像分割方法
2.1.4 基于图论的图像分割方法
2.1.5 基于能量泛函的图像分割方法
2.1.6 基于特定工具的图像分割方法
2.1.7 其他分割方法
2.2 数学形态学
2.2.1 膨胀和腐蚀
2.2.2 闭运算与开运算
2.2.3 形态学梯度
2.2.4 顶帽运算
2.2.5 黑帽运算
2.3 图像金字塔
2.3.1 高斯金字塔
2.3.2 拉普拉斯金字塔
2.3.3 高斯差分
2.4 小结
参考文献
第3章 神经网络和深度学习
3.1 生物神经网络原理
3.2 人工神经网络发展
3.3 深度学习模型
3.3.1 卷积神经网络
3.3.2 基于多层神经元的自编码神经网络
3.3.3 深度置信网络
3.4 小结及相关研究
3.4.1 小结
3.4.2 相关研究
参考文献
第4章 全卷积网络
4.1 引言
4.2 VGGNet
4.2.1 VGGNet简介
4.2.2 VGG16具体代码实现
4.3 FCN网络结构
4.4 FCN算法原理
4.4.1 全卷积结构
4.4.2 上采样
4.4.3 特征融合
4.5 FCN具体实现介绍
4.6 小结及相关研究
4.6.1 小结
4.6.2 相关研究
参考文献
第5章 U-Net
5.1 引言
5.1.1 U-Net简介
5.1.2 U-Net发展历程
5.1.3 U-Net的基本概念
5.2 U-Net网络模型
5.2.1 网络结构
5.2.2 算法原理
5.2.3 算法流程及实现代码
5.3 AFNet网络模型
5.3.1 AFNet网络结构介绍
5.3.2 相关研究内容
5.3.3 算法流程及实现代码
5.4 小结及相关研究
5.4.1 小结
5.4.2 相关研究
参考文献
第6章 SegNet
6.1 引言
6.1.1 SegNet背景
6.1.2 SegNet发展历程
6.2 SegNet结构介绍
6.2.1 SegNet网络结构介绍
6.2.2 相关内容介绍
6.3 实验
6.3.1 评价指标
6.3.2 参数及数据集
6.3.3 SegNet性能对比
6.3.4 SegNet结构代码
6.4 小结及相关研究
参考文献
第7章 DeepLab系列算法
7.1 引言
7.1.1 DeepLab系列算法简介
7.1.2 DeepLab发展历程
7.2 网络结构
7.2.1 网络结构介绍
7.2.2 主要创新点
7.3 算法流程以及实现代码
7.3.1 DeepLab v1
7.3.2 DeepLab v2
7.3.3 DeepLab v3
7.3.4 DeepLab v3+
7.4 小结及相关研究
7.4.1 小结
7.4.2 相关研究
参考文献
第8章 GCN
8.1 引言
8.1.1 GCN简介
8.1.2 GCN相关基础概念
8.2 总体网络结构介绍
8.3 算法原理
8.3.1 全局卷积网络结构
8.3.2 边缘细化模块
8.4 实验
8.4.1 数据集性能测试
8.4.2 预训练模型嵌入
8.5 算法流程及实现代码
8.5.1 算法流程
8.5.2 具体实现代码
8.6 小结及相关研究
8.6.1 小结
8.6.2 相关研究
参考文献
第9章 轻量级实时分割
9.1 引言
9.1.1 轻量级网络简介
9.1.2 轻量级网络发展历程
9.2 ENet网络
9.2.1 主要创新点
9.2.2 结构介绍
9.2.3 ENet实验
9.3 BiSeNet网络
9.3.1 主要创新点
9.3.2 结构介绍
9.3.3 BiSeNet实验
9.4 DFANet网络
9.4.1 主要创新点
9.4.2 结构介绍
9.4.3 DFANet实验
9.5 小结及相关研究
9.5.1 小结
9.5.2 相关研究
参考文献
第10章 RedNet：RGB-D语义分割入门
10.1 引言
10.2 室内RGB-D语义分割和金字塔监督
10.2.1 室内RGB-D语义分割
10.2.2 金字塔监督
10.3 算法流程以及实现
10.3.1 算法流程
10.3.2 实现
10.4 小结及相关研究
10.4.1 小结
10.4.2 相关研究
参考文献
第11章 RDFNet
11.1 引言
11.1.1 背景以及相关工作
11.1.2 RefineNet发展历程
11.2 网络结构
11.2.1 网络结构介绍
11.2.2 MMFNet模块
11.3 算法流程及实现代码
11.3.1 RDFNet
11.3.2 RDFNet实现
11.4 小结及相关研