| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-12页 |
| 1.1 研究背景与意义 | 第6-7页 |
| 1.2 国内外研究现状 | 第7-10页 |
| 1.2.1 服务机器人的研究进展 | 第7-8页 |
| 1.2.2 特征提取的研究进展 | 第8-9页 |
| 1.2.3 多视角学习的研究进展 | 第9-10页 |
| 1.3 本文主要内容结构 | 第10-12页 |
| 1.3.1 本文主要内容 | 第10-11页 |
| 1.3.2 本文章节安排 | 第11-12页 |
| 2 相关理论与技术 | 第12-23页 |
| 2.1 视觉图像特征 | 第12-15页 |
| 2.2 SLIC超像素分割算法 | 第15-16页 |
| 2.3 基于图模型的目标物体检测 | 第16-19页 |
| 2.3.1 流形排序 | 第16-17页 |
| 2.3.2 目标物体检测 | 第17-19页 |
| 2.4 分类模型 | 第19-23页 |
| 2.4.1 Logistic Regression | 第19-20页 |
| 2.4.2 Softmax分类器 | 第20页 |
| 2.4.3 支持向量机 | 第20-23页 |
| 3 基于多视角学习的餐具检测 | 第23-39页 |
| 3.1 多视角学习的图模型 | 第23-27页 |
| 3.1.1 基于多视角图模型的排序算法 | 第23-24页 |
| 3.1.2 多视角图模型的优化求解 | 第24-27页 |
| 3.2 餐具检测过程 | 第27-35页 |
| 3.2.1 多视角图模型 | 第28-32页 |
| 3.2.2 基于多视角图模型的餐具检测过程 | 第32-35页 |
| 3.3 实验结果与分析 | 第35-37页 |
| 3.4 本章小结 | 第37-39页 |
| 4 基于多视角学习的餐具识别 | 第39-48页 |
| 4.1 多视角特征融合算法 | 第40-43页 |
| 4.1.1 多视角融合模型 | 第40-41页 |
| 4.1.2 算法的优化求解 | 第41-43页 |
| 4.2 多视角餐具识别模型 | 第43-44页 |
| 4.3 实验结果与分析 | 第44-47页 |
| 4.4 本章小结 | 第47-48页 |
| 结论 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 攻读硕士学位期间发表学术论文情况 | 第52-53页 |
| 致谢 | 第53-55页 |