| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 手势识别 | 第11-13页 |
| 1.2.2 手部姿态估计 | 第13-14页 |
| 1.2.3 深度学习 | 第14-16页 |
| 1.3 本文的研究内容 | 第16页 |
| 1.4 论文结构安排 | 第16-18页 |
| 第二章 相关技术 | 第18-32页 |
| 2.1 卷积神经网络 | 第18-23页 |
| 2.1.1 卷积神经网络的提出 | 第18-19页 |
| 2.1.2 卷积神经网络的一些概念 | 第19-21页 |
| 2.1.3 前向传播和反向传播算法 | 第21-23页 |
| 2.2 CPM网络 | 第23-25页 |
| 2.3 图像坐标系变换 | 第25-29页 |
| 2.3.1 世界坐标系到相机坐标系 | 第26-27页 |
| 2.3.2 相机坐标系到图像物理坐标系 | 第27-28页 |
| 2.3.3 图像物理坐标系到像素坐标系 | 第28-29页 |
| 2.4 迁移学习 | 第29-31页 |
| 2.4.1 迁移学习的来源及定义 | 第29-30页 |
| 2.4.2 迁移学习在卷积神经网络中的应用 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第三章 HandPoseNet网络模型 | 第32-50页 |
| 3.1 引言 | 第32-33页 |
| 3.2 基于CPM网络的HandPoseNet-V1 | 第33-38页 |
| 3.2.1 网络模型概述 | 第33-36页 |
| 3.2.2 网络结构特点分析 | 第36-38页 |
| 3.3 基于响应热力图后处理的HandPoseNet-V2 | 第38-45页 |
| 3.3.1 坐标数值回归思路及分析 | 第39-41页 |
| 3.3.2 Softmax后处理模块概述 | 第41-43页 |
| 3.3.3 网络结构特点分析 | 第43-45页 |
| 3.4 基于MobileNet网络的HandPoseNet-V3 | 第45-48页 |
| 3.4.1 MobileNet核心思想 | 第45-47页 |
| 3.4.2 HandPoseNet-V3网络结构 | 第47-48页 |
| 3.4.3 网络结构特点分析 | 第48页 |
| 3.5 本章小结 | 第48-50页 |
| 第四章 网络模型的实验验证及性能分析 | 第50-62页 |
| 4.1 实验前期准备 | 第50-53页 |
| 4.1.1 数据集介绍 | 第50-52页 |
| 4.1.2 数据预处理 | 第52-53页 |
| 4.2 评价标准 | 第53-54页 |
| 4.3 实验环境与实验参数 | 第54-55页 |
| 4.4 实验设计与结果分析 | 第55-59页 |
| 4.4.1 在RHD数据集上的主要实验设计与分析 | 第55-58页 |
| 4.4.2 在STB数据集上的主要实验设计与分析 | 第58-59页 |
| 4.5 本章小结 | 第59-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 论文总结 | 第62-63页 |
| 5.2 展望 | 第63-64页 |
| 参考文献 | 第64-70页 |
| 致谢 | 第70-72页 |
| 攻读学位期间取得的研究成果 | 第72页 |
