| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题的研究背景及意义 | 第10-12页 |
| 1.2 国内外场景深度估计问题的研究概况 | 第12-15页 |
| 1.2.1 场景深度估计问题传统方法研究概况 | 第12-14页 |
| 1.2.2 单目图像深度估计问题机器学习方法研究概况 | 第14-15页 |
| 1.3 场景深度估计常用数据集 | 第15-16页 |
| 1.4 本文的主要研究内容 | 第16-18页 |
| 第2章 单目图像深度估计的机器学习框架 | 第18-27页 |
| 2.1 引言 | 第18-19页 |
| 2.2 卷积神经网络架构 | 第19-24页 |
| 2.2.1 卷积层 | 第19-20页 |
| 2.2.2 池化层 | 第20页 |
| 2.2.3 激活层 | 第20-22页 |
| 2.2.4 反卷积层 | 第22-23页 |
| 2.2.5 损失层 | 第23-24页 |
| 2.3 连续条件随机场 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 基于结构化深度学习的单目图像深度估计 | 第27-39页 |
| 3.1 引言 | 第27-28页 |
| 3.2 结构化深度学习模型架构及其原理 | 第28-33页 |
| 3.2.1 模型概述 | 第28-29页 |
| 3.2.2 势函数 | 第29-30页 |
| 3.2.3 连续条件随机场的近似推断 | 第30-31页 |
| 3.2.4 模型的学习与预测 | 第31-33页 |
| 3.3 实验设置 | 第33-35页 |
| 3.4 实验结果及分析 | 第35-38页 |
| 3.4.1 CCRF超参数选择 | 第35页 |
| 3.4.2 结果分析 | 第35-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 融合稀疏已知标签的单目图像深度估计 | 第39-44页 |
| 4.1 引言 | 第39-40页 |
| 4.2 融合稀疏已知标签的深度估计模型 | 第40-41页 |
| 4.3 实验设置 | 第41-42页 |
| 4.4 实验结果及分析 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 结论 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 攻读硕士学位期间所发表的学术论文 | 第50-51页 |
| 致谢 | 第51页 |