| 摘要 | 第9-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第13-23页 |
| 1.1 课题的背景与研究意义 | 第13-14页 |
| 1.2 相关问题的研究现状 | 第14-19页 |
| 1.2.1 视觉选择性注意模型研究现状 | 第14-17页 |
| 1.2.2 服务机器人路径规划方法研究现状 | 第17-18页 |
| 1.2.3 基于视觉的目标识别方法研究现状 | 第18-19页 |
| 1.3 本文主要研究内容 | 第19-20页 |
| 1.4 论文的章节安排 | 第20-23页 |
| 第二章 基于MSF模型的自底向上显著性区域检测 | 第23-37页 |
| 2.1 基于流形排序的局部显著性图构建 | 第23-28页 |
| 2.1.1 基于图的流形排序算法 | 第23-25页 |
| 2.1.2 基于SLIC超像素的网络图构造 | 第25-26页 |
| 2.1.3 局部显著性检测 | 第26-28页 |
| 2.2 基于深度CNN的全局显著图构建 | 第28-31页 |
| 2.2.1 深度卷积神经网络(CNN)构建 | 第28-30页 |
| 2.2.2 目标任务预训练与微调 | 第30-31页 |
| 2.3 多尺度特征图融合 | 第31-32页 |
| 2.4 显著性检测数据集与评价指标 | 第32-33页 |
| 2.4.1 显著性检测的数据集介绍 | 第32页 |
| 2.4.2 评价指标 | 第32-33页 |
| 2.5 实验结果与分析 | 第33-35页 |
| 2.6 本章小结 | 第35-37页 |
| 第三章 基于VOCUS的目标区域预选取 | 第37-49页 |
| 3.1 目标引导的图像兴趣区域检测 | 第37-44页 |
| 3.1.1 条件随机场与字典学习 | 第37-41页 |
| 3.1.2 图像SIFT特征提取 | 第41页 |
| 3.1.3 自上而下联合训练模型 | 第41-44页 |
| 3.2 基于视觉注意机制的VOCUS系统 | 第44-47页 |
| 3.2.1 VOCUS系统介绍 | 第44-45页 |
| 3.2.2 目标区域预选取 | 第45-47页 |
| 3.3 实验结果 | 第47页 |
| 3.4 本章小结 | 第47-49页 |
| 第四章 基于改进遗传算法(IGA)的机器人路径规划 | 第49-61页 |
| 4.1 视觉空间的概念 | 第49-55页 |
| 4.1.1 路径规划问题的假设 | 第49页 |
| 4.1.2 视觉空间的概念 | 第49-51页 |
| 4.1.3 视觉空间的获取 | 第51-55页 |
| 4.2 改进的遗传算法(IGA) | 第55-57页 |
| 4.2.1 染色体编码 | 第55-56页 |
| 4.2.2 个体选取与适应度计算 | 第56页 |
| 4.2.3 交叉与变异操作 | 第56-57页 |
| 4.3 实验结果与分析 | 第57-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第五章 基于WSMTL的目标识别模型 | 第61-71页 |
| 5.1 WSMTL目标识别模型介绍 | 第61-64页 |
| 5.1.1 WSMTL模型介绍 | 第61-62页 |
| 5.1.2 WSMTL的公式化表示 | 第62-64页 |
| 5.2 基于WSMTL的目标识别训练 | 第64-69页 |
| 5.2.1 模型的权重学习与归一化 | 第64-65页 |
| 5.2.2 模型最优化训练 | 第65-69页 |
| 5.3 实验结果与分析 | 第69-70页 |
| 5.4 本章小结 | 第70-71页 |
| 第六章 工作总结与展望 | 第71-73页 |
| 6.1 工作总结 | 第71-72页 |
| 6.2 工作展望 | 第72-73页 |
| 参考文献 | 第73-81页 |
| 致谢 | 第81-83页 |
| 硕士期间发表的论文 | 第83页 |
| 硕士期间参加的科研项目与学术 | 第83-84页 |
| 学位论文评阅及答辩情况表 | 第84页 |