| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第10-13页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 本文工作 | 第11-12页 |
| 1.3 篇章结构 | 第12页 |
| 1.4 本章小结 | 第12-13页 |
| 第2章 研究现状和相关工作 | 第13-26页 |
| 2.1 本征分解 | 第13-18页 |
| 2.1.1 基于Retinex理论的本征分解 | 第13-14页 |
| 2.1.2 基于简单交互的本征分解 | 第14-15页 |
| 2.1.3 基于图模型的本征分解 | 第15-16页 |
| 2.1.4 基于深度学习的本征分解 | 第16-17页 |
| 2.1.5 基于联合深度学习和图模型的本征分解 | 第17-18页 |
| 2.2 深度学习 | 第18-23页 |
| 2.2.1 人工神经网络 | 第18-19页 |
| 2.2.2 卷积神经网络 | 第19-23页 |
| 2.3 计算机视觉中概率图模型的应用 | 第23-25页 |
| 2.3.1 马尔科夫随机场 | 第23-24页 |
| 2.3.2 条件随机场 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于深度学习和图模型的本征分解算法概述 | 第26-29页 |
| 3.1 本征分解问题形式化定义 | 第26-27页 |
| 3.2 基于深度学习和概率图模型的本征分解算法整体结构 | 第27-29页 |
| 第4章 基于深度学习的本征分解 | 第29-42页 |
| 4.1 基于卷积神经网络的总体架构设计 | 第29-31页 |
| 4.2 基于多尺度架构的特征学习阶段设计 | 第31-39页 |
| 4.2.1 多尺度架构设计 | 第31-38页 |
| 4.2.2 深层监督设计 | 第38-39页 |
| 4.3 基于逐级细化的图像合成阶段设计 | 第39-40页 |
| 4.4 分阶段的训练方式 | 第40-41页 |
| 4.4.1 特征初步学习阶段 | 第40页 |
| 4.4.2 特征进一步学习和图像合成阶段 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第5章 基于概率图模型的本征分解后处理 | 第42-45页 |
| 5.1 基于条件随机场后处理设计 | 第42-44页 |
| 5.1.1 一元势函数设计 | 第42-43页 |
| 5.1.2 二元势函数设计 | 第43-44页 |
| 5.1.3 条件随机场的训练方式 | 第44页 |
| 5.2 本章小结 | 第44-45页 |
| 第6章 结果和分析 | 第45-56页 |
| 6.1 Sintel数据集上的效果评估 | 第45-55页 |
| 6.1.1 验证方式设计 | 第45-46页 |
| 6.1.2 图像评估方式 | 第46-47页 |
| 6.1.3 实现细节 | 第47-52页 |
| 6.1.4 结果展示和对比 | 第52-55页 |
| 6.2 本章小结 | 第55-56页 |
| 第7章 讨论 | 第56-62页 |
| 7.1 基于深度学习的本征分解 | 第56-60页 |
| 7.1.1 特征再学习阶段的多尺度架构 | 第56-58页 |
| 7.1.2 逐级细化合成图像 | 第58-59页 |
| 7.1.3 多阶段训练方式 | 第59-60页 |
| 7.2 概率图模型对本征图后处理 | 第60-62页 |
| 第8章 结论和未来展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间主要的研究成果 | 第67-68页 |
| 致谢 | 第68页 |