首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于帧间相似性的光场图像压缩与对象分割算法

摘要第5-7页
ABSTRACT第7-8页
第1章 绪论第14-30页
    1.1 研究背景第14-16页
        1.1.1 光场模型第14-15页
        1.1.2 光场图像的获取第15-16页
    1.2 国内外研究现状第16-28页
        1.2.1 光场图像的压缩算法第16-18页
        1.2.2 静态图像和视频对象的分割算法第18-22页
        1.2.3 基于深度学习的图像分割算法第22-26页
        1.2.4 基于深度学习的视频序列分割算法第26-28页
    1.3 论文章节安排第28-30页
第2章 基于SIFT特征帧间相似性度量的压缩算法第30-41页
    2.1 伪序列的分解第30-32页
    2.2 二维层次编码顺序第32-33页
    2.3 SIFT特征提取第33-34页
    2.4 基于SIFT特征的参考帧选择第34-37页
    2.5 量化参数的选择第37-38页
    2.6 实验结果与分析第38-40页
        2.6.1 实验参数设置第38页
        2.6.2 实验结果与对比第38-40页
    2.7 本章小结第40-41页
第3章 基于时不变特征帧间相似性度量的对象分割算法第41-62页
    3.1 基于严格时间不变性特征的分割网络第42-51页
        3.1.1 U-Net第42-43页
        3.1.2 孪生网络第43-44页
        3.1.3 网络结构第44-45页
        3.1.4 收敛到时不变特征的损失函数第45-50页
        3.1.5 网络的训练过程第50-51页
        3.1.6 网络的测试过程第51页
    3.2 基于LSTM和弱时间不变性特征的分割网络第51-54页
        3.2.1 LSTM第51-52页
        3.2.2 网络结构第52-53页
        3.2.3 网络的训练过程第53-54页
        3.2.4 网络的测试过程第54页
    3.3 使用强化学习处理全局运动第54-57页
        3.3.1 强化学习第54-57页
        3.3.2 网络结构第57页
        3.3.3 网络的训练第57页
        3.3.4 网络的测试第57页
    3.4 实验结果与分析第57-60页
        3.4.1 实验参数设置第57-58页
        3.4.2 实验结果与对比第58-60页
    3.5 本章小结第60-62页
第4章 总结和展望第62-65页
    4.1 论文工作总结第62-63页
    4.2 对未来工作的展望第63-65页
参考文献第65-68页
致谢第68-69页
在读期间发表的学术论文与取得的研究成果第69页

论文共69页,点击 下载论文
上一篇:绿色产品供应链的信息共享策略研究
下一篇:渭河西安段表层水体溶解性有机质的组成、来源及分布