| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第14-23页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-20页 |
| 1.3 本文主要工作 | 第20-21页 |
| 1.4 本文组织结构 | 第21-23页 |
| 2 相关算法与理论 | 第23-35页 |
| 2.1 全卷积神经网络 | 第23-30页 |
| 2.2 回归神经网络 | 第30-32页 |
| 2.3 深度估计数据集 | 第32-33页 |
| 2.4 深度估计评价指标 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 3 基于深度卷积神经网络的单目图像深度估计 | 第35-46页 |
| 3.1 引言 | 第35页 |
| 3.2 基础U-net全卷积网络结构 | 第35-36页 |
| 3.3 残差网络结构 | 第36-38页 |
| 3.4 基于残差全卷积和多特征融合的深度估计 | 第38-41页 |
| 3.5 实验结果与分析 | 第41-45页 |
| 3.6 本章小结 | 第45-46页 |
| 4 融合卷积神经网络与回归神经网络的单目图像深度估计 | 第46-60页 |
| 4.1 引言 | 第46页 |
| 4.2 基于回归神经网络的图像特征提取模型 | 第46-54页 |
| 4.3 全卷积回归神经网络深度估计模型 | 第54-59页 |
| 4.4 本章小结 | 第59-60页 |
| 5 基于深度估计模型的视频图像测距原型系统 | 第60-64页 |
| 5.1 引言 | 第60页 |
| 5.2 基于Flask框架的图像深度估计平台 | 第60-63页 |
| 5.3 本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-67页 |
| 参考文献 | 第67-74页 |
| 作者简历 | 第74-77页 |
| 学位论文数据集 | 第77页 |