正则化深度学习及其在机器人环境感知中的应用
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第15-27页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 研究问题与挑战 | 第16-19页 |
| 1.2.1 深度学习问题描述 | 第16-17页 |
| 1.2.2 深度学习的挑战 | 第17-18页 |
| 1.2.3 机器人环境感知 | 第18-19页 |
| 1.3 研究现状 | 第19-24页 |
| 1.3.1 深度学习发展 | 第19-21页 |
| 1.3.2 深度学习与正则化 | 第21-23页 |
| 1.3.3 深度学习在机器人环境感知的应用 | 第23-24页 |
| 1.4 本文贡献 | 第24-27页 |
| 第二章 隐层正则约束: 图正则自编码器 | 第27-63页 |
| 2.1 引言 | 第27-28页 |
| 2.2 图正则自编码器 | 第28-35页 |
| 2.2.1 自编码器 | 第28-29页 |
| 2.2.2 单隐层图正则化自编码器 | 第29-31页 |
| 2.2.3 栈式图正则化自编码器 | 第31-32页 |
| 2.2.4 近邻图构造 | 第32页 |
| 2.2.5 模型训练 | 第32-35页 |
| 2.3 图正则化理论分析 | 第35-40页 |
| 2.3.1 图正则项对于输入空间的邻域特性建模 | 第36-37页 |
| 2.3.2 图正则项对于隐层表示的影响 | 第37-39页 |
| 2.3.3 图正则项与其他正则项的关系 | 第39-40页 |
| 2.4 图像聚类与分类实验结果 | 第40-51页 |
| 2.4.1 图像聚类实验 | 第40-46页 |
| 2.4.2 图像分类实验 | 第46-51页 |
| 2.5 广义图正则化与场景分类 | 第51-57页 |
| 2.5.1 广义图正则自编码器 | 第52-53页 |
| 2.5.2 多层级输入构造以及结果融合 | 第53-57页 |
| 2.6 场景分类实验结果 | 第57-60页 |
| 2.7 本章小结 | 第60-63页 |
| 第三章 结构正则约束：语义正则网络 | 第63-81页 |
| 3.1 引言 | 第63-64页 |
| 3.2 语义正则卷积神经网络 | 第64-70页 |
| 3.2.1 卷积神经网络 | 第65-66页 |
| 3.2.2 语义正则下的场景分类网络 | 第66-68页 |
| 3.2.3 输入构造 | 第68-70页 |
| 3.3 基于场景类别的语义分割优化 | 第70-72页 |
| 3.4 实验结果 | 第72-79页 |
| 3.4.1 实验配置 | 第72页 |
| 3.4.2 语义正则结构有效性验证 | 第72-74页 |
| 3.4.3 场景分类结果 | 第74-76页 |
| 3.4.4 语义分割优化结果 | 第76-78页 |
| 3.4.5 数据集外场景测试结果 | 第78-79页 |
| 3.5 本章小结 | 第79-81页 |
| 第四章 结构正则约束：嵌套残差网络 | 第81-99页 |
| 4.1 引言 | 第81-83页 |
| 4.2 嵌套残差网络 | 第83-89页 |
| 4.2.1 稠密参考深度构造 | 第83-86页 |
| 4.2.2 结构正则化的嵌套残差网络 | 第86-87页 |
| 4.2.3 代价函数 | 第87-89页 |
| 4.3 实验结果 | 第89-98页 |
| 4.3.1 实验配置 | 第89-90页 |
| 4.3.2 结构正则化有效性验证 | 第90-93页 |
| 4.3.3 深度估计结果对比 | 第93-95页 |
| 4.3.4 输入稀疏观测与输出置信度分析 | 第95-98页 |
| 4.4 本章小结 | 第98-99页 |
| 第五章 输出正则约束：深度移动立方体网络 | 第99-121页 |
| 5.1 引言 | 第99-101页 |
| 5.2 深度移动立方体算法 | 第101-107页 |
| 5.2.1 移动立方体算法 | 第101-104页 |
| 5.2.2 可导移动立方体层 | 第104-106页 |
| 5.2.3 网络结构 | 第106-107页 |
| 5.3 正则化深度移动立方体网络 | 第107-110页 |
| 5.3.1 点到物体表面距离 | 第107-108页 |
| 5.3.2 占用概率先验正则 | 第108-109页 |
| 5.3.3 网格模型复杂度正则 | 第109页 |
| 5.3.4 网格模型曲率正则 | 第109-110页 |
| 5.4 实验结果 | 第110-118页 |
| 5.4.1 模型及正则项验证 | 第110-113页 |
| 5.4.2 基于点云的三维物体重构 | 第113-116页 |
| 5.4.3 基于体素模型的三维物体重构 | 第116-118页 |
| 5.5 本章小结 | 第118-121页 |
| 第六章 总结与展望 | 第121-123页 |
| 6.1 本文总结 | 第121-122页 |
| 6.2 未来工作展望 | 第122-123页 |
| 參考文献 | 第123-139页 |
| 致谢 | 第139-141页 |
| 作者简历 | 第141-143页 |
| 发表文章目录 | 第143-144页 |
