基于机器学习的深度估计算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-18页 |
| 1.2.1 基于深度线索的深度估计算法 | 第12-14页 |
| 1.2.2 基于机器学习的深度估计算法 | 第14-17页 |
| 1.2.3 基于深度的虚拟视点绘制技术 | 第17-18页 |
| 1.3 研究内容和结构安排 | 第18-20页 |
| 第二章 相关理论基础 | 第20-29页 |
| 2.1 卷积神经网络 | 第20-23页 |
| 2.1.1 卷积神经网络基本结构 | 第20-21页 |
| 2.1.2 卷积神经网络的学习过程 | 第21-23页 |
| 2.2 视觉词典 | 第23-25页 |
| 2.3 支持向量机 | 第25-28页 |
| 2.3.0 线性可分支持向量机 | 第26页 |
| 2.3.1 线性支持向量机 | 第26-27页 |
| 2.3.2 非线性支持向量机 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于卷积神经网络的深度估计算法 | 第29-40页 |
| 3.1 卷积神经网络模型的建立 | 第29-33页 |
| 3.2 仿真实验与分析 | 第33-39页 |
| 3.2.1 实验环境 | 第33页 |
| 3.2.2 实验细节 | 第33-34页 |
| 3.2.3 实验结果与分析 | 第34-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第四章 深度视觉词典构造算法 | 第40-48页 |
| 4.1 初始视觉单词训练 | 第40-41页 |
| 4.2 基于挖掘难例负样本的视觉单词训练 | 第41-43页 |
| 4.3 深度视觉词典生成 | 第43-44页 |
| 4.4 仿真实验与分析 | 第44-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 基于深度视觉词典的深度估计算法 | 第48-61页 |
| 5.1 基于深度视觉词典的深度估计 | 第48-52页 |
| 5.1.1 初始深度图 | 第48-50页 |
| 5.1.2 多尺度深度估计及深度更新 | 第50-52页 |
| 5.2 仿真实验与分析 | 第52-60页 |
| 5.3 本章小结 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间取得的研究成果 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附件 | 第70页 |
