基于全卷积神经网络的全向场景分割研究与算法实现
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究的背景 | 第10-11页 |
| 1.2 国内外研究的现状 | 第11-14页 |
| 1.2.1 深度学习的发展和研究现状 | 第11-13页 |
| 1.2.2 图像分割的研究现状 | 第13-14页 |
| 1.3 本文的章节安排及主要内容 | 第14-16页 |
| 第二章 卷积神经网络 | 第16-34页 |
| 2.1 卷积神经网络 | 第16-26页 |
| 2.1.1 CNN的结构与原理 | 第17-24页 |
| 2.1.2 CNN的特点 | 第24-26页 |
| 2.2 全卷积网络 | 第26-30页 |
| 2.2.1 FCN的网络结构 | 第26-28页 |
| 2.2.2 FCN的特点 | 第28-30页 |
| 2.3 反向传播算法 | 第30-33页 |
| 2.4 本章小结 | 第33-34页 |
| 第三章 全向场景的图像合成 | 第34-44页 |
| 3.1 全景图像 | 第34-36页 |
| 3.2 图像的投影模型 | 第36-40页 |
| 3.3 全景图像的合成 | 第40-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 基于全卷积网络的全向场景分割 | 第44-64页 |
| 4.1 基于FCN的全向场景分割方法 | 第44-49页 |
| 4.2 网络参数 | 第49-52页 |
| 4.3 实验与分析 | 第52-62页 |
| 4.3.1 数据库与运行环境 | 第52-54页 |
| 4.3.2 实验结果 | 第54-62页 |
| 4.4 本章小结 | 第62-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-74页 |
| 硕士期间发表的论文 | 第74-75页 |
| 附表 | 第75页 |
