| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 主要符号对照表 | 第10-12页 |
| 1 绪论 | 第12-33页 |
| 1.1 课题概述 | 第12-18页 |
| 1.2 文献综述 | 第18-30页 |
| 1.3 研究内容与论文结构 | 第30-33页 |
| 2 基于多层结构模型的手势估计研究 | 第33-56页 |
| 2.1 传统模型和多层结构模型 | 第33-35页 |
| 2.2 基本神经网络 | 第35-36页 |
| 2.3 卷积神经网络 | 第36-37页 |
| 2.4 基于多层卷积神经网络的手势估计 | 第37-47页 |
| 2.5 实验验证 | 第47-54页 |
| 2.6 本章小结 | 第54-56页 |
| 3 基于多尺度特征融合的特征提取优化 | 第56-74页 |
| 3.1 模型结构 | 第56-63页 |
| 3.2 输出函数 | 第63-64页 |
| 3.3 网络训练 | 第64-65页 |
| 3.4 实验验证 | 第65-72页 |
| 3.5 本章小结 | 第72-74页 |
| 4 基于弱监督学习的样本信息挖掘 | 第74-92页 |
| 4.1 VAPNIK-CHERVONENKIS维理论 | 第74-78页 |
| 4.2 生成式对抗网络 | 第78-80页 |
| 4.3 方法流程 | 第80-85页 |
| 4.4 实验验证 | 第85-91页 |
| 4.5 本章小结 | 第91-92页 |
| 5 基于序列图像的模型鲁棒性优化 | 第92-113页 |
| 5.1 问题分析 | 第93-94页 |
| 5.2 三维卷积神经网络 | 第94-97页 |
| 5.3 循环神经网络 | 第97-98页 |
| 5.4 循环卷积神经网络 | 第98-105页 |
| 5.5 实验 | 第105-111页 |
| 5.6 本章小结 | 第111-113页 |
| 6 模型轻量化设计及应用 | 第113-125页 |
| 6.1 现有优化手段 | 第114-115页 |
| 6.2 网络优化设计 | 第115-117页 |
| 6.3 实验验证 | 第117-119页 |
| 6.4 应用案例 | 第119-123页 |
| 6.5 本章小结 | 第123-125页 |
| 7 总结与展望 | 第125-128页 |
| 7.1 全文总结 | 第125-126页 |
| 7.2 研究展望 | 第126-128页 |
| 致谢 | 第128-129页 |
| 参考文献 | 第129-141页 |
| 附录Ⅰ 攻读博士学位期间发表学术论文目录 | 第141-142页 |
| 附录Ⅱ 攻读博士学位期间发表专利目录 | 第142页 |