摘要 | 第10-12页 |
ABSTRACT | 第12-13页 |
第一章 绪论 | 第14-24页 |
1.1 课题背景与研究意义 | 第14-15页 |
1.2 智能服务机器人研究现状 | 第15-17页 |
1.3 物体检测与识别研究现状 | 第17-19页 |
1.4 人身份识别研究现状 | 第19-21页 |
1.5 本文主要研究内容 | 第21-22页 |
1.6 论文章节安排 | 第22-24页 |
第二章 家居环境下人穿携物品归属关系自主学习框架 | 第24-34页 |
2.1 人穿携物品归属关系自主学习框架设计 | 第24-26页 |
2.2 人穿携物品归属关系学习框架工作流程 | 第26-27页 |
2.3 人穿携物品归属关系自主学习框架中数据集的构建 | 第27-28页 |
2.4 基于归属关系框架的个性化服务执行 | 第28-30页 |
2.5 卷积神经网络理论基础 | 第30-32页 |
2.6 本章小结 | 第32-34页 |
第三章 人穿携物品检测定位与实例识别 | 第34-52页 |
3.1 人穿携物品检测定位 | 第34-40页 |
3.1.1 人穿携物品检测模型 | 第34-37页 |
3.1.2 人体姿态估计模型 | 第37-39页 |
3.1.3 人穿携物品检测定位实现流程 | 第39-40页 |
3.2 人穿携物品实例识别 | 第40-43页 |
3.2.1 人穿携物品识别模型 | 第40-42页 |
3.2.2 基于图像显著性的GrabCut自动分割算法 | 第42页 |
3.2.3 人穿携物品的实例识别流程 | 第42-43页 |
3.3 基于迁移学习的人穿携物品检测与识别模型微调 | 第43-47页 |
3.3.1 迁移学习 | 第43-45页 |
3.3.2 人穿携物品检测与识别模型微调 | 第45-47页 |
3.4 相关实验 | 第47-51页 |
3.4.1 人穿携物品检测定位实验 | 第47-48页 |
3.4.2 人穿携物品识别实验 | 第48-50页 |
3.4.3 训练数据增强实验 | 第50-51页 |
3.5 本章小结 | 第51-52页 |
第四章 机器人服务对象身份识别 | 第52-74页 |
4.1 人脸识别简介 | 第52-58页 |
4.1.1 人脸识别系统的基本组成 | 第52-53页 |
4.1.2 基于深度学习的人脸识别流程 | 第53-54页 |
4.1.3 机器人服务对象身份数据集构建 | 第54-58页 |
4.2 基于MTCNN的人脸检测 | 第58-62页 |
4.2.1 MTCNN人脸检测模型 | 第58-60页 |
4.2.2 MTCNN模型训练 | 第60-62页 |
4.3 基于关键点的人脸图像归一化 | 第62-65页 |
4.3.1 仿射变换 | 第62-64页 |
4.3.2 仿射变换矩阵的求解 | 第64-65页 |
4.4 基于SVM的人脸识别 | 第65-68页 |
4.5 相关实验 | 第68-72页 |
4.5.1 人脸检测实验 | 第68-70页 |
4.5.2 基于SVM的人脸识别实验 | 第70-71页 |
4.5.3 人脸姿态矫正实验 | 第71-72页 |
4.6 本章小结 | 第72-74页 |
第五章 人穿携物品归属关系学习 | 第74-84页 |
5.1 物品归属关系的表示 | 第74-76页 |
5.1.1 归属关系记忆矩阵的定义 | 第74页 |
5.1.2 基于长短期记忆的归属关系表示 | 第74-76页 |
5.2 归属关系选择算法 | 第76-78页 |
5.2.1 基于向量空间的相似度表示 | 第77页 |
5.2.2 归属关系矩阵选择算法描述 | 第77-78页 |
5.3 人穿携物品归属关系学习流程 | 第78-79页 |
5.4 基于归属关系的任务执行 | 第79-80页 |
5.5 相关实验 | 第80-83页 |
5.5.1 人穿携物品归属关系自主学习实验 | 第80-82页 |
5.5.2 基于长期记忆矩阵的归属物品查询实验 | 第82-83页 |
5.6 本章小结 | 第83-84页 |
第六章 总结与展望 | 第84-86页 |
6.1 本文主要研究结果 | 第84-85页 |
6.2 进一步研究方向 | 第85-86页 |
参考文献 | 第86-92页 |
致谢 | 第92-94页 |
硕士期间发表的论文和参与的科研项目 | 第94-95页 |
学位论文评阅及答辩情况表 | 第95页 |