| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 引言 | 第12-13页 |
| 1.2 研究历史与现状 | 第13-17页 |
| 1.2.1 特征表达 | 第13-15页 |
| 1.2.2 主方向估计 | 第15-17页 |
| 1.3 论文创新点与章节安排 | 第17-20页 |
| 1.3.1 论文创新点 | 第17-19页 |
| 1.3.2 章节安排 | 第19-20页 |
| 第2章 图像主方向估计与特征学习概述 | 第20-34页 |
| 2.1 视觉主方向估计 | 第20-25页 |
| 2.1.1 SIFT主方向 | 第20-21页 |
| 2.1.2 ORB主方向 | 第21-22页 |
| 2.1.3 BRISK主方向 | 第22-23页 |
| 2.1.4 FREAK主方向 | 第23-25页 |
| 2.1.5 STN主方向学习 | 第25页 |
| 2.2 视觉表征提取 | 第25-34页 |
| 2.2.1 基于手工设计的视觉特征 | 第26-27页 |
| 2.2.2 基于深度学习的视觉特征 | 第27-34页 |
| 第3章 室外场景图像方向估计 | 第34-46页 |
| 3.1 研究背景 | 第34-36页 |
| 3.1.1 问题的定义 | 第34-35页 |
| 3.1.2 相关工作的不足之处 | 第35页 |
| 3.1.3 创新点 | 第35-36页 |
| 3.2 相关工作 | 第36-38页 |
| 3.2.1 手工设计方向估计 | 第36-37页 |
| 3.2.2 数据增强 | 第37页 |
| 3.2.3 Spatial Transformer Network | 第37-38页 |
| 3.3 室外场景图像方向估计 | 第38-40页 |
| 3.3.1 学习阶段 | 第38-39页 |
| 3.3.2 微调阶段 | 第39页 |
| 3.3.3 预测阶段 | 第39-40页 |
| 3.4 实验结果 | 第40-43页 |
| 3.4.1 数据集 | 第40-41页 |
| 3.4.2 实验设置 | 第41页 |
| 3.4.3 不同网络模型对结果的影响 | 第41-42页 |
| 3.4.4 传统方法与深度学习方法的比较 | 第42-43页 |
| 3.5 本章小结 | 第43-46页 |
| 第4章 局部特征主方向估计与描述子生成 | 第46-60页 |
| 4.1 研究背景 | 第46-48页 |
| 4.1.1 问题的定义 | 第46-47页 |
| 4.1.2 相关工作的不足之处 | 第47-48页 |
| 4.1.3 创新点 | 第48页 |
| 4.2 局部特征主方向估计 | 第48-51页 |
| 4.2.1 预处理阶段 | 第49页 |
| 4.2.2 学习阶段 | 第49-50页 |
| 4.2.3 微调阶段 | 第50页 |
| 4.2.4 预测阶段 | 第50-51页 |
| 4.2.5 评价阶段 | 第51页 |
| 4.3 局部特征描述子生成 | 第51-54页 |
| 4.3.1 双路神经网络 | 第52页 |
| 4.3.2 三路神经网络 | 第52-53页 |
| 4.3.3 联合训练 | 第53-54页 |
| 4.4 实验结果 | 第54-58页 |
| 4.4.1 数据集 | 第54-55页 |
| 4.4.2 实验设置 | 第55-56页 |
| 4.4.3 我们的方法与SIFT特征主方向估计方法比较 | 第56页 |
| 4.4.4 网络微调对结果的影响 | 第56-57页 |
| 4.4.5 我们的方法与SIFT特征表达方法比较 | 第57-58页 |
| 4.5 本章小结 | 第58-60页 |
| 第5章 总结与展望 | 第60-64页 |
| 5.1 本文工作总结 | 第60-62页 |
| 5.2 未来工作展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 在读期间发表的学术论文与取得的研究成果 | 第70页 |