|
面向三维重建的单目深度估计研究与实现 | |
论文目录 | |
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与研究现状 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 卷积神经网络研究现状 | 第11-12页 |
| 1.2.2 单目深度估计研究现状 | 第12-14页 |
| 1.3 研究内容及贡献 | 第14-15页 |
| 1.4 论文结构框架 | 第15-18页 |
| 第二章 深度学习框架及基础理论 | 第18-28页 |
| 2.1 卷积神经网络理论 | 第18-22页 |
| 2.1.1 卷积层 | 第18-19页 |
| 2.1.2 池化层 | 第19-20页 |
| 2.1.3 激活函数 | 第20-21页 |
| 2.1.4 反卷积层 | 第21-22页 |
| 2.1.5 批归一化层 | 第22页 |
| 2.1.6 空洞卷积 | 第22页 |
| 2.2 深度学习的优化方式 | 第22-24页 |
| 2.2.1 基础优化算法 | 第23页 |
| 2.2.2 自适应参数优化算法 | 第23-24页 |
| 2.3 深度数据集 | 第24-25页 |
| 2.4 深度图可视化方式 | 第25-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第三章 遮挡引导与场景聚合单目深度网络模型 | 第28-38页 |
| 3.1 遮挡引导与场景聚合网络结构 | 第28-34页 |
| 3.1.1 编码器 | 第29-30页 |
| 3.1.2 全局信息提取模块 | 第30-31页 |
| 3.1.3 解码器 | 第31页 |
| 3.1.4 遮挡线索学习器 | 第31-33页 |
| 3.1.5 条形精修模块 | 第33-34页 |
| 3.2 多约束损失函数 | 第34-36页 |
| 3.2.1 像素点深度误差损失函数 | 第34-35页 |
| 3.2.2 梯度误差损失函数 | 第35页 |
| 3.2.3 曲面法向量误差损失函数 | 第35-36页 |
| 3.3 本章小结 | 第36-38页 |
| 第四章 实验验证及结果分析 | 第38-56页 |
| 4.1 算法的实验验证与分析 | 第38-46页 |
| 4.1.1 实验环境配置 | 第38页 |
| 4.1.2 评价指标 | 第38-40页 |
| 4.1.3 数据预处理 | 第40页 |
| 4.1.4 实验设置 | 第40页 |
| 4.1.5 实验结果及分析 | 第40-46页 |
| 4.2 三维重建系统原理及实验分析 | 第46-54页 |
| 4.2.1 针孔相机模型 | 第46-47页 |
| 4.2.2 单张图像三维场景重建 | 第47-48页 |
| 4.2.3 多张图像场景重建系统 | 第48-50页 |
| 4.2.4 实验结果及对比 | 第50-54页 |
| 4.3 本章小结 | 第54-56页 |
| 第五章 总结与展望 | 第56-60页 |
| 5.1 论文总结 | 第56-57页 |
| 5.2 未来展望 | 第57-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-68页 |
| 攻读学位期间取得的研究成果 | 第68页 |
本篇论文共68页，点击
这进入下载页面 |
|
| Copyright(C) All Rights Reserved |
| 客服QQ：304386486 |
| 目录由用户 yss9011** 提供，作者删除入口请点击这里 |