基于深度学习的三维模型补全技术研究
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第7-12页 |
| 1.1 研究背景和意义 | 第7-8页 |
| 1.2 国内外研究现状分析 | 第8-10页 |
| 1.2.1 三维模型优化 | 第8-9页 |
| 1.2.2 深度学习在三维模型中的应用 | 第9-10页 |
| 1.3 论文研究内容及结构 | 第10-12页 |
| 1.3.1 论文研究内容 | 第10-11页 |
| 1.3.2 论文组织框架 | 第11-12页 |
| 2 深度学习概述 | 第12-25页 |
| 2.1 深度学习 | 第12-19页 |
| 2.1.1 自动编码器 | 第12-14页 |
| 2.1.2 卷积神经网络 | 第14-16页 |
| 2.1.3 生成对抗网络 | 第16-18页 |
| 2.1.4 生成对抗网络的改进 | 第18-19页 |
| 2.2 深度学习环境 | 第19-24页 |
| 2.2.1 TensorFlow | 第20-21页 |
| 2.2.2 Caffe | 第21-22页 |
| 2.2.3 CUDA和cuDNN | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 3 基于生成对抗网络的三维模型补全 | 第25-35页 |
| 3.1 生成对抗方法描述 | 第25-26页 |
| 3.2 网络结构设计 | 第26-29页 |
| 3.2.1 编码网络 | 第27-28页 |
| 3.2.2 生成对抗网络 | 第28-29页 |
| 3.3 实验数据及实验环境 | 第29-30页 |
| 3.4 实验结果及对比 | 第30-33页 |
| 3.5 本章小结 | 第33-35页 |
| 4 基于八叉树的高分辨率三维模型补全 | 第35-46页 |
| 4.1 八叉树结构及实现 | 第35-37页 |
| 4.2 基于八叉树的模型补全网络 | 第37-41页 |
| 4.2.1 基于八叉树的模型结构表示 | 第37-38页 |
| 4.2.2 模型预测方法 | 第38-40页 |
| 4.2.3 数据融合 | 第40-41页 |
| 4.3 网络配置及实验环境 | 第41-42页 |
| 4.3.1 网络配置 | 第41页 |
| 4.3.2 实验数据及环境 | 第41-42页 |
| 4.4 实验结果及对比 | 第42-44页 |
| 4.5 本章小结 | 第44-46页 |
| 结论 | 第46-47页 |
| 参考文献 | 第47-52页 |
| 攻读硕士学位期间发表学术论文与研究成果 | 第52-53页 |
| 致谢 | 第53-55页 |
