| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景动机与意义 | 第9-10页 |
| 1.2 课题国内外研究现状 | 第10-12页 |
| 1.3 研究内容与主要贡献 | 第12-13页 |
| 1.4 全文组织结构 | 第13-15页 |
| 第二章 室内场景布局估计的基本概念和相关原理 | 第15-22页 |
| 2.1 室内场景布局估计方法综述 | 第15-16页 |
| 2.2 空间布局估计常用特征提取 | 第16-18页 |
| 2.3 卷积神经网络基础概念 | 第18-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 室内场景布局由粗至精的估计系统架构 | 第22-34页 |
| 3.1 由粗至精的场景布局估计框架概览 | 第22-25页 |
| 3.2 室内场景布局估计实验数据集简介 | 第25-27页 |
| 3.3 改进型消失点生成场景布局候选项 | 第27-33页 |
| 3.3.1 改进型消失点估计方法 | 第27-32页 |
| 3.3.2 改进型消失点估计方法的性能评估 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第四章 基于全局特征的场景布局候选项粗选取 | 第34-52页 |
| 4.1 全卷积神经网络估计布局信息化边界 | 第34-38页 |
| 4.1.1 室内房间空间布局信息化边界 | 第34-35页 |
| 4.1.2 布局信息化边界估计模型构建 | 第35-38页 |
| 4.2 Softmax分类估计室内场景布局类别 | 第38-43页 |
| 4.2.1 SVM与Softmax分类器比较 | 第39-41页 |
| 4.2.2 场景布局类别估计模型构建 | 第41-43页 |
| 4.3 基于全局特征的布局候选项粗选取 | 第43-45页 |
| 4.3.1 空间全局特征的提取与融合 | 第43-44页 |
| 4.3.2 全局特征引导粗选取布局候选项 | 第44-45页 |
| 4.4 实验结果与分析 | 第45-50页 |
| 4.4.1 主观评价实验 | 第45-49页 |
| 4.4.2 客观评价实验 | 第49-50页 |
| 4.5 本章小结 | 第50-52页 |
| 第五章 基于区域级特征的室内场景空间布局估计 | 第52-72页 |
| 5.1 布局候选项最优化选取的布局估计建模 | 第52-55页 |
| 5.2 空间多尺度卷积神经网络提取几何特征 | 第55-59页 |
| 5.2.1 空间多尺度卷积神经网络模型构建 | 第55-57页 |
| 5.2.2 空间法向量和几何深度信息提取 | 第57-59页 |
| 5.3 几何积分高效累加算法构建区域级特征 | 第59-63页 |
| 5.3.1 室内场景空间布局几何积分图像 | 第59-61页 |
| 5.3.2 几何积分高效提取区域级特征 | 第61-63页 |
| 5.4 基于Cutting-plane算法的模型参数学习 | 第63-65页 |
| 5.5 实验结果与分析 | 第65-70页 |
| 5.5.1 主观评价实验 | 第65-68页 |
| 5.5.2 客观评价实验 | 第68-70页 |
| 5.6 本章小结 | 第70-72页 |
| 第六章 总结与展望 | 第72-75页 |
| 6.1 全文工作总结 | 第72-73页 |
| 6.2 未来工作展望 | 第73-75页 |
| 参考文献 | 第75-78页 |
| 附录1 攻读硕士学位期间申请的专利 | 第78-79页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第79-80页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第80-81页 |
| 致谢 | 第81页 |