基于深度学习的目标识别研究及其多机器人编队应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 课题研究背景及意义 | 第8页 |
| 1.2 国内外在该方向的研究现状及分析 | 第8-11页 |
| 1.2.1 目标识别的研究现状 | 第8-9页 |
| 1.2.2 多机器人系统研究现状 | 第9-11页 |
| 1.3 主要研究内容 | 第11-12页 |
| 第2章 深度学习基础理论 | 第12-19页 |
| 2.1 引言 | 第12页 |
| 2.2 深度学习网络 | 第12-13页 |
| 2.2.1 深度学习基本知识 | 第12-13页 |
| 2.2.2 深度学习模型介绍 | 第13页 |
| 2.3 卷积神经网络 | 第13-16页 |
| 2.3.1 局部连接 | 第13-14页 |
| 2.3.2 权值共享 | 第14-15页 |
| 2.3.3 最大池采样 | 第15-16页 |
| 2.4 卷积神经网络的训练 | 第16-17页 |
| 2.5 多信息融合神经网络 | 第17-18页 |
| 2.6 本章小结 | 第18-19页 |
| 第3章 基于深度学习的目标及姿态识别 | 第19-31页 |
| 3.1 引言 | 第19页 |
| 3.2 基于深度学习的目标识别 | 第19-20页 |
| 3.3 样本的制定 | 第20-24页 |
| 3.3.1 物体的检测与分割 | 第21-23页 |
| 3.3.2 样本的分类 | 第23-24页 |
| 3.4 卷积神经网络的具体实现 | 第24-25页 |
| 3.5 物体目标识别的改进 | 第25-27页 |
| 3.5.1 改进实验样本的制定 | 第26页 |
| 3.5.2 双DBN网络的应用 | 第26-27页 |
| 3.6 实验及分析 | 第27-30页 |
| 3.6.1 卷积神经网络实验结果 | 第27-29页 |
| 3.6.2 双DBN网络实验结果 | 第29-30页 |
| 3.7 本章小结 | 第30-31页 |
| 第4章 深度学习算法的多机器人编队应用 | 第31-38页 |
| 4.1 引言 | 第31页 |
| 4.2 多机器人编队的避障和队形变换 | 第31-34页 |
| 4.3 基于深度学习的多机器人编队 | 第34-37页 |
| 4.4 本章小结 | 第37-38页 |
| 第5章 多机器人编队仿真实验平台与实验分析 | 第38-45页 |
| 5.1 引言 | 第38页 |
| 5.2 多机器人编队实现基础 | 第38-42页 |
| 5.2.1 机器人模型建立 | 第38-39页 |
| 5.2.2 机器人编队分析 | 第39-42页 |
| 5.3 机器人仿真平台搭建 | 第42-43页 |
| 5.4 仿真实验结果 | 第43-44页 |
| 5.5 本章小结 | 第44-45页 |
| 结论 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 攻读硕士学位期间发表的论文 | 第50-52页 |
| 致谢 | 第52页 |
