基于卷积神经网络的双目立体匹配VLSI架构设计
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.3 研究内容及论文结构安排 | 第18-20页 |
| 第2章 基于卷积神经网络的双目立体匹配算法 | 第20-36页 |
| 2.1 卷积神经网络 | 第20-26页 |
| 2.1.1 神经网络简介 | 第20-22页 |
| 2.1.2 卷积层 | 第22-24页 |
| 2.1.3 激励层 | 第24-25页 |
| 2.1.4 池化层 | 第25页 |
| 2.1.5 全连接层 | 第25页 |
| 2.1.6 归一化层和点积层 | 第25-26页 |
| 2.2 双目立体成像原理 | 第26-27页 |
| 2.3 基于CNN的双目立体匹配算法构成 | 第27-34页 |
| 2.3.1 基于CNN的初始匹配代价计算 | 第28-30页 |
| 2.3.2 优化后的半全局代价聚合 | 第30-32页 |
| 2.3.3 视差计算 | 第32页 |
| 2.3.4 视差优化 | 第32-34页 |
| 2.4 本章小结 | 第34-36页 |
| 第3章 卷积神经网络VLSI架构设计 | 第36-48页 |
| 3.1 专用型卷积神经网络VLSI架构设计 | 第36-41页 |
| 3.1.1 多卷积层设计 | 第37-41页 |
| 3.1.2 激励层设计 | 第41页 |
| 3.2 扩展后的通用型单层卷积层VLSI架构设计 | 第41-45页 |
| 3.2.1 PE阵列设计 | 第43-44页 |
| 3.2.2 PE模块设计 | 第44-45页 |
| 3.3 卷积神经网络VLSI架构实验结果分析 | 第45-47页 |
| 3.4 本章小结 | 第47-48页 |
| 第4章 基于CNN的双目立体匹配VLSI架构设计 | 第48-67页 |
| 4.1 双目立体匹配VLSI架构综述 | 第48-49页 |
| 4.2 基于CNN的初始代价计算模块 | 第49-52页 |
| 4.2.1 归一化层模块 | 第50-51页 |
| 4.2.2 点积层模块 | 第51-52页 |
| 4.3 半全局路径代价聚合模块 | 第52-55页 |
| 4.4 视差计算模块 | 第55-56页 |
| 4.5 视差优化模块 | 第56-62页 |
| 4.5.1 斑点滤波模块 | 第56-57页 |
| 4.5.2 中值滤波模块 | 第57-59页 |
| 4.5.3 孔洞填充模块 | 第59-62页 |
| 4.6 输出显示模块 | 第62-66页 |
| 4.7 本章小结 | 第66-67页 |
| 第5章 VLSI架构验证及实验结果分析 | 第67-76页 |
| 5.1 VLSI架构验证 | 第68-72页 |
| 5.1.1 行为级仿真验证结果分析 | 第68-71页 |
| 5.1.2 在线调试setup dubug | 第71-72页 |
| 5.1.3 FPGA验证 | 第72页 |
| 5.2 实验结果分析 | 第72-75页 |
| 5.2.1 双目立体匹配中的卷积神经网络分析 | 第73-74页 |
| 5.2.2 双目立体匹配系统硬件资源分析 | 第74-75页 |
| 5.2.3 不同双目立体匹配算法分析 | 第75页 |
| 5.3 本章小结 | 第75-76页 |
| 第6章 总结与展望 | 第76-79页 |
| 6.1 总结 | 第76-77页 |
| 6.2 展望 | 第77-79页 |
| 参考文献 | 第79-84页 |
| 附录A 论文规范 | 第84-85页 |
| 致谢 | 第85-86页 |
| 在读期间发表的学术论文与取得的研究成果 | 第86页 |
