| 摘要 | 第1-5页 |
| abstract | 第5-9页 |
| 引言 | 第9-10页 |
| 1 绪论 | 第10-16页 |
| ·基于深度学习的RGB-D图像识别概述 | 第10-11页 |
| ·基于深度学习的RGB-D图像识别研究现状 | 第11-12页 |
| ·基于深度学习的RGB-D图像识别方法目前存在的问题 | 第12-13页 |
| ·本文的主要研究内容 | 第13-15页 |
| ·本文的组织 | 第15-16页 |
| 2 基于深度学习的RGB-D图像识别关键技术 | 第16-27页 |
| ·深度学习概述 | 第16-21页 |
| ·浅层学习和深度学习 | 第16-17页 |
| ·深度学习的常用模型 | 第17-21页 |
| ·RGB-D图像的特点 | 第21-22页 |
| ·RGB-D图像的预处理 | 第22-23页 |
| ·基于深度学习的RGB-D图像特征提取算法研究 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 3 KSAE-SPMP深度学习算法 | 第27-33页 |
| ·特征提取算法概述 | 第27-28页 |
| ·KSAE-SPMP算法 | 第28-31页 |
| ·KSAE算法提取浅层特征 | 第28-30页 |
| ·空间金字塔最大池化算法提取高维特征 | 第30-31页 |
| ·Softmax分类器完成分类 | 第31页 |
| ·实验结果及分析 | 第31-32页 |
| ·实验过程 | 第31-32页 |
| ·实验结果对比 | 第32页 |
| ·本章小结 | 第32-33页 |
| 4 RGB特征与深度特征原始图像层融合算法 | 第33-46页 |
| ·多模态特征融合概述 | 第33-34页 |
| ·多模态稀疏自编码算法 | 第34-37页 |
| ·RGB信息与深度信息原始图像层融合算法 | 第37-40页 |
| ·单独的基于RGB信息和深度信息的物体识别 | 第38-39页 |
| ·RGB特征与深度特征原始图像层融合 | 第39-40页 |
| ·实验验证 | 第40-45页 |
| ·RGB-D数据库 | 第40-42页 |
| ·2D3D数据库 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 5 RGB特征与深度特征的决策层融合算法 | 第46-54页 |
| ·决策层特征融合概述 | 第46-47页 |
| ·基于线性组合的决策层特征融合算法 | 第47-50页 |
| ·特征提取 | 第47-49页 |
| ·线性组合系数选取 | 第49-50页 |
| ·多分类器融合 | 第50页 |
| ·实验验证 | 第50-53页 |
| ·RGB-D数据库 | 第51-52页 |
| ·2D3D数据库 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 6 结论与展望 | 第54-56页 |
| ·工作总结 | 第54页 |
| ·未来的展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 在学研究成果 | 第60-61页 |
| 致谢 | 第61页 |