| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究进展 | 第13-18页 |
| 1.2.1 RGB-D物体识别研究进展 | 第13-15页 |
| 1.2.2 卷积神经网络研究进展 | 第15-18页 |
| 1.3 研究目标及论文结构安排 | 第18-19页 |
| 第二章 基于张量分解与卷积神经网络的RGB-D物体识别方法总体框架 | 第19-23页 |
| 2.1 总体框架 | 第19-20页 |
| 2.2 RGB-D图像融合模块 | 第20-21页 |
| 2.3 预测模型搭建模块 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于张量分解的RGB-D图像融合方法 | 第23-31页 |
| 3.1 引言 | 第23-24页 |
| 3.2 RGB-D图像的张量表示 | 第24-26页 |
| 3.3 RGB-D图像的张量分解及融合方法 | 第26-30页 |
| 3.3.1 张量分解 | 第26-28页 |
| 3.3.2 基于张量分解的RGB-D图像融合 | 第28-30页 |
| 3.4 本章小结 | 第30-31页 |
| 第四章 物体识别预测模型中的卷积核数量确定方法 | 第31-43页 |
| 4.1 引言 | 第31-32页 |
| 4.2 卷积神经网络简介 | 第32-34页 |
| 4.3 基于边缘检测的卷积核数量确定方法 | 第34-38页 |
| 4.4 实验与结果分析 | 第38-42页 |
| 4.4.1 实验设置 | 第38页 |
| 4.4.2 实验思路 | 第38-39页 |
| 4.4.3 实验结果及分析 | 第39-42页 |
| 4.5 本章小结 | 第42-43页 |
| 第五章 仿真实验与结果分析 | 第43-53页 |
| 5.1 实验整体设计 | 第43-44页 |
| 5.2 实验设置 | 第44-46页 |
| 5.2.1 实验环境及数据 | 第44-45页 |
| 5.2.2 预测模型及参数设置 | 第45-46页 |
| 5.3 实验及结果分析 | 第46-52页 |
| 5.3.1 实验步骤 | 第46-47页 |
| 5.3.2 结果与分析 | 第47-52页 |
| 5.4 本章小结 | 第52-53页 |
| 总结及展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读学位期间发表论文 | 第59-61页 |
| 致谢 | 第61页 |