| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题的研究背景 | 第8-10页 |
| 1.2 课题的研究意义 | 第10页 |
| 1.3 本文的主要内容 | 第10页 |
| 1.4 本文的章节安排 | 第10-12页 |
| 第二章 物体识别方法概述 | 第12-16页 |
| 第三章 Where-What Networks | 第16-24页 |
| 3.1 人类视觉感知系统 | 第16页 |
| 3.2 Where-What Network模型 | 第16-18页 |
| 3.3 WWNs学习算法：LCA | 第18-20页 |
| 3.4 WWNs模型已有的研究成果 | 第20-21页 |
| 3.5 WWN模型的特点 | 第21-24页 |
| 第四章 Where-What Network 5：实现尺度无关性 | 第24-32页 |
| 4.1 感受野 | 第24-26页 |
| 4.2 网络结构 | 第26-28页 |
| 4.2.1 视网膜区域X | 第27页 |
| 4.2.2 内部感受区域Y_i | 第27页 |
| 4.2.3 内部前区域Y_f | 第27-28页 |
| 4.2.4 动作区域TM,LM及SM | 第28页 |
| 4.3 网络计算 | 第28-32页 |
| 4.3.1 输入X的对比归一化 | 第28-29页 |
| 4.3.2 神经元的计算 | 第29-30页 |
| 4.3.3 权重更新 | 第30-31页 |
| 4.3.4 WWN算法 | 第31-32页 |
| 第五章 实验及分析 | 第32-45页 |
| 5.1 世博会海宝智能机器人上的演示 | 第32-34页 |
| 5.1.1 海宝机器人 | 第32页 |
| 5.1.2 物体识别实验设计 | 第32-33页 |
| 5.1.3 实验结果 | 第33-34页 |
| 5.2 WWNs基本模型整体测试 | 第34-36页 |
| 5.3 WWNs基本模型去掉IT、PP层实验 | 第36-38页 |
| 5.4 WWN-5：尺度无关性测试 | 第38-42页 |
| 5.4.1 资源足够情况下的实验 | 第38-40页 |
| 5.4.2 资源不足情况下的实验 | 第40页 |
| 5.4.3 仅有一个Y区域的实验 | 第40-41页 |
| 5.4.4 旋转测试 | 第41-42页 |
| 5.5 WWN-5：自然场景视频测试 | 第42-45页 |
| 第六章 结论与展望 | 第45-46页 |
| 参考文献 | 第46-51页 |
| 附录 硕士期间发表的论文 | 第51-52页 |
| 致谢 | 第52-53页 |