| Abstract | 第4页 |
| Chapter 1 Introduction | 第7-17页 |
| 1.1 Research background and significance | 第7-8页 |
| 1.2 Current status of research field | 第8-15页 |
| 1.2.1 Depth estimation | 第8-10页 |
| 1.2.2 Deep learning | 第10-13页 |
| 1.2.3 Recurrent Neural Networks | 第13-15页 |
| 1.3 Main research contents of this subject | 第15-16页 |
| 1.4 Overview of manuscript | 第16-17页 |
| Chapter 2 Sequences-based learning depth from a single image | 第17-35页 |
| 2.1 Introduction | 第17-18页 |
| 2.2 Depth estimation using CNN | 第18-19页 |
| 2.3 Convolutional neural network | 第19-23页 |
| 2.4 Superpixel segmentation | 第23-24页 |
| 2.5 Sequences-based depth estimation | 第24-28页 |
| 2.5.1 Decomposition image into set of sequences | 第26-27页 |
| 2.5.2 Strategies for sequences processing | 第27-28页 |
| 2.6 Experiments and results | 第28-34页 |
| 2.6.1 Implementation details | 第29-30页 |
| 2.6.2 Comparisons | 第30-34页 |
| 2.7 Summary | 第34-35页 |
| Chapter 3 Depth estimation using a deep hybrid network | 第35-55页 |
| 3.1 Introduction | 第35-36页 |
| 3.2 Recurrent layer | 第36-38页 |
| 3.3 Long short-term memory | 第38-40页 |
| 3.4 Fully CNN and superpixel pooling | 第40-42页 |
| 3.5 Hybrid network | 第42-44页 |
| 3.5.1 Network architecture | 第42-44页 |
| 3.5.2 Network training and implementation details | 第44页 |
| 3.6 Experiments and results | 第44-54页 |
| 3.6.1 Comparisions Make3D data | 第46-50页 |
| 3.6.2 Comparisions NUY v2 data | 第50-54页 |
| 3.7 Summary | 第54-55页 |
| Chapter 4 Proposed Method Analysis | 第55-63页 |
| 4.1 Analysis of sequences-based approach | 第55页 |
| 4.2 Analysis of Hybrid network | 第55-56页 |
| 4.3 Analysis of feature maps | 第56-62页 |
| 4.4 Summary | 第62-63页 |
| Conclusions | 第63-65页 |
| References | 第65-71页 |
| Acknowledgements | 第71页 |
