| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究现状 | 第8-13页 |
| 1.3 论文研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第二章 相关理论和技术 | 第15-27页 |
| 2.1 三维模型的表示 | 第15-19页 |
| 2.2 深度学习 | 第19-23页 |
| 2.3 集成学习 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于集成深度学习网络EnsembleNet的三维网格模型识别. | 第27-43页 |
| 3.1 引言 | 第27页 |
| 3.2 算法思想 | 第27-30页 |
| 3.3 网络架构及分类 | 第30-34页 |
| 3.4 实验结果与分析 | 第34-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于卷积网络PointCNN的点云模型识别 | 第43-50页 |
| 4.1 引言 | 第43页 |
| 4.2 算法思想 | 第43-46页 |
| 4.3 网络架构及分类 | 第46-47页 |
| 4.4 实验结果与分析 | 第47-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 基于轻量级网络LightPointNet的实时点云模型识别 | 第50-58页 |
| 5.1 引言 | 第50页 |
| 5.2 算法思想 | 第50-51页 |
| 5.3 网络架构及分类 | 第51-52页 |
| 5.4 实验结果与分析 | 第52-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 总结和展望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 个人简介 | 第65页 |
