基于CNN的复杂变化环境下的位置识别方法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 论文的主要研究内容及组织结构 | 第13-15页 |
| 2 关键技术研究 | 第15-49页 |
| 2.1 CNN网络介绍 | 第15-22页 |
| 2.2 常用CNN网络结构 | 第22-30页 |
| 2.3 R-CNN相关网络结构 | 第30-39页 |
| 2.4 常用图像表示方法 | 第39-48页 |
| 2.5 本章小结 | 第48-49页 |
| 3 基于CNN的通用位置识别方法 | 第49-60页 |
| 3.1 卷积特征袋(BCF)模型 | 第49-54页 |
| 3.2 基于BCF的位置识别 | 第54-56页 |
| 3.3 基于FasterR-CNN的位置识别 | 第56-59页 |
| 3.4 本章小结 | 第59-60页 |
| 4 基于CNN的端到端的位置识别方法 | 第60-69页 |
| 4.1 BoWNet的设计 | 第60-62页 |
| 4.2 基于BoW-CNN的位置识别 | 第62-66页 |
| 4.3 基于BR-CNN的位置识别 | 第66-68页 |
| 4.4 本章小结 | 第68-69页 |
| 5 实验部分 | 第69-87页 |
| 5.1 网络及网络层对位置识别效果的影响 | 第69-72页 |
| 5.2 CNN特征与传统手工特征的效果对比 | 第72-74页 |
| 5.3 不同识别策略对位置识别效果的影响 | 第74-85页 |
| 5.4 本章小结 | 第85-87页 |
| 6 总结与展望全文总结 | 第87-89页 |
| 6.1 全文总结 | 第87-88页 |
| 6.2 课题展望 | 第88-89页 |
| 致谢 | 第89-90页 |
| 参考文献 | 第90-98页 |
| 附录I 攻读硕士期间发表的文章 | 第98页 |
