| 中文摘要 | 第10-11页 |
| ABSTRACT | 第11页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究目的和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文的主要研究内容 | 第14页 |
| 1.4 论文框架 | 第14-16页 |
| 第二章 理论基础 | 第16-22页 |
| 2.1 深度估计的相关理论 | 第16-17页 |
| 2.1.1 深度感知 | 第16页 |
| 2.1.2 双目立体视觉与深度成像技术 | 第16-17页 |
| 2.2 迁移学习 | 第17-19页 |
| 2.2.1 迁移学习的分类 | 第17-18页 |
| 2.2.2 基于权重的迁移学习 | 第18-19页 |
| 2.3 神经网络 | 第19-21页 |
| 2.3.1 神经网络的结构 | 第19-20页 |
| 2.3.2 卷积神经网络的结构 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于迁移学习的单目图像深度估计算法 | 第22-42页 |
| 3.1 候选图像的选取 | 第22-26页 |
| 3.1.1 卷积神经网络选取候选图像 | 第23-24页 |
| 3.1.2 通过Gist特征匹配选取候选图像 | 第24-25页 |
| 3.1.3 两种方法获取的候选图像 | 第25-26页 |
| 3.2 加权SIFT流的深度迁移学习 | 第26-28页 |
| 3.2.1 加权SIFT流的深度迁移学习 | 第26-27页 |
| 3.2.2 深度图融合 | 第27-28页 |
| 3.2.3 迁移学习过程中的实验结果 | 第28页 |
| 3.3 深度优化 | 第28-33页 |
| 3.3.1 构建优化的目标函数 | 第29-30页 |
| 3.3.2 使用IRLS迭代优化目标函数 | 第30-33页 |
| 3.4 单目图像的深度估计 | 第33-35页 |
| 3.4.1 单目图像深度估计的算法 | 第34页 |
| 3.4.2 基于迁移学习的单目图像深度估计的流程图 | 第34-35页 |
| 3.5 实验结果 | 第35-41页 |
| 3.5.1 实验环境与数据集 | 第35-36页 |
| 3.5.2 实验结果与分析 | 第36-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 单目图像的深度估计系统 | 第42-50页 |
| 4.1 单目图像深度估计系统的相关技术和开发环境 | 第42页 |
| 4.2 单目图像深度估计系统的功能模块 | 第42-43页 |
| 4.3 单目图像深度估计系统的设计 | 第43-47页 |
| 4.4 单目图像深度估计系统用到的算法 | 第47页 |
| 4.5 本章小结 | 第47-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 攻读学位期间取得的研究成果 | 第56-58页 |
| 致谢 | 第58-60页 |
| 个人简况及联系方式 | 第60-61页 |