| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 符号说明 | 第11-12页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 课题研究动机 | 第13-15页 |
| 1.2.1 跨域道路图像检索 | 第13-14页 |
| 1.2.2 跨域道路图像稠密匹配 | 第14-15页 |
| 1.3 论文主要工作和研究成果 | 第15-16页 |
| 1.4 论文结构安排 | 第16-18页 |
| 第二章 道路场景理解相关工作 | 第18-27页 |
| 2.1 基于卷积神经网络图像识别 | 第18-21页 |
| 2.2 基于参数学习场景分析综述 | 第21-22页 |
| 2.3 非参数场景分析综述 | 第22页 |
| 2.4 地点识别和基于子空间域适应 | 第22-24页 |
| 2.5 道路场景理解存在问题 | 第24-26页 |
| 2.5.1 剧烈光照变化 | 第24-25页 |
| 2.5.2 恶劣天气变化 | 第25页 |
| 2.5.3 相关数据集较少 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 跨域道路图像检索 | 第27-53页 |
| 3.1 基于CNN道路图像深度特征表示 | 第28-29页 |
| 3.1.1 经典CNN | 第28页 |
| 3.1.2 CNN参数微调 | 第28-29页 |
| 3.2 基于SCNN道路图像深度特征表示 | 第29页 |
| 3.3 跨域特征变换学习 | 第29-41页 |
| 3.3.1 跨域测度学习 | 第29-38页 |
| 3.3.2 跨域子空间配准 | 第38-41页 |
| 3.4 实验 | 第41-51页 |
| 3.4.1 实验数据集 | 第41-45页 |
| 3.4.2 度量标准 | 第45-46页 |
| 3.4.3 不同CNN性能比较 | 第46-48页 |
| 3.4.4 CNN参数微调前后性能比较 | 第48-49页 |
| 3.4.5 跨域特征变换前后深度特征性能比较 | 第49页 |
| 3.4.6 深度特征与经典特征性能比较 | 第49-50页 |
| 3.4.7 不同跨域特征变换性能比较 | 第50-51页 |
| 3.4.8 微调CNN和SCNN性能比较 | 第51页 |
| 3.5 本章小结 | 第51-53页 |
| 第四章 像素级跨域道路图像稠密匹配 | 第53-61页 |
| 4.1 基于像素稠密匹配 | 第53-55页 |
| 4.1.1 基于SIFT Flow稠密匹配 | 第53-54页 |
| 4.1.2 标签转移 | 第54-55页 |
| 4.2 实验 | 第55-60页 |
| 4.2.1 度量标准 | 第55-57页 |
| 4.2.2 道路场景理解结果 | 第57-60页 |
| 4.3 本章小结 | 第60-61页 |
| 第五章 像素区域级跨域道路图像稠密匹配 | 第61-81页 |
| 5.1 基于Superpixel稠密匹配 | 第61-63页 |
| 5.1.1 Superpixel特征表示 | 第61页 |
| 5.1.2 标签转移 | 第61-63页 |
| 5.2 基于全卷积神经网络稠密匹配 | 第63-68页 |
| 5.2.1 全卷积匹配网络特征学习 | 第63-64页 |
| 5.2.2 卷积空间变换 | 第64-67页 |
| 5.2.3 标签转移 | 第67-68页 |
| 5.3 实验 | 第68-76页 |
| 5.3.1 实验数据集 | 第68-69页 |
| 5.3.2 跨域道路场景数据集理解结果 | 第69-71页 |
| 5.3.3 ROAD-ALL道路场景数据集理解结果 | 第71-76页 |
| 5.4 本章小结 | 第76-81页 |
| 第六章 总结与展望 | 第81-83页 |
| 6.1 工作总结 | 第81-82页 |
| 6.2 研究展望 | 第82-83页 |
| 参考文献 | 第83-99页 |
| 致谢 | 第99-101页 |
| 攻读期间发表的学术论文 | 第101页 |