基于卷积神经网络的单目图像深度估计研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及研究现状 | 第9-12页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 国内外研究现状 | 第10-12页 |
| 1.2 论文研究动机和目标及内容 | 第12-13页 |
| 1.2.1 研究动机和目标 | 第12页 |
| 1.2.2 研究内容 | 第12-13页 |
| 1.3 论文的组织结构 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 第二章 单目深度恢复的基本理论与方法 | 第15-24页 |
| 2.1 单目视觉线索和表示 | 第15-18页 |
| 2.1.1 单目视觉线索 | 第15-16页 |
| 2.1.2 特征表示 | 第16-18页 |
| 2.2 单目图像深度估计算法综述 | 第18-22页 |
| 2.2.1 基于图模型的深度图估计 | 第18-19页 |
| 2.2.2 基于深度学习端到端的网络架构的方法 | 第19-20页 |
| 2.2.3 联合深度学习与条件随机场的方法 | 第20-21页 |
| 2.2.4 基于非监督学习的方法 | 第21-22页 |
| 2.3 数据集和评价指标 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于多尺度卷积网络的单目深度估计 | 第24-36页 |
| 3.1 算法架构 | 第24页 |
| 3.2 全局粗尺度网络 | 第24-26页 |
| 3.3 局部精尺度网络 | 第26-27页 |
| 3.4 训练损失函数 | 第27-28页 |
| 3.5 数值仿真与实验 | 第28-34页 |
| 3.5.1 实验说明 | 第28-30页 |
| 3.5.2 实验结果 | 第30-34页 |
| 3.6 本章小结 | 第34-36页 |
| 第四章 基于多特征融合网络的单目深度估计 | 第36-53页 |
| 4.1 算法架构 | 第36-37页 |
| 4.2 基于FCN的网络架构设计 | 第37-45页 |
| 4.2.1 全卷积网络和反卷积的基本理论 | 第37-40页 |
| 4.2.2 网络架构模型 | 第40-45页 |
| 4.3 算法执行过程 | 第45-46页 |
| 4.4 数值仿真与实验 | 第46-52页 |
| 4.4.1 实验说明 | 第46页 |
| 4.4.2 实验结果 | 第46-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 工作总结 | 第53-54页 |
| 5.2 工作展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录1 程序清单 | 第58-59页 |
| 附录2 攻读硕士学位期间申请的专利 | 第59-60页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第60-61页 |
| 致谢 | 第61页 |
