第一个书签之前
摘 要
Abstract
第1章 绪论
1.1 课题的研究背景与意义
1.2 国内外研究现状
1.2.1 室内服务机器人的研究现状与应用
1.2.2 图像识别技术的研究现状与应用
1.2.3 目标检测技术的研究现状与应用
1.2.4 语义分割技术的研究现状与应用
1.3 课题的主要研究内容
第2章 联合中间层的深度卷积神经网络图像识别模型研究
2.1 引言
2.2 ILC-CNN模型
2.2.1 ILC-CNN模型的设计
2.2.2 模型原理与分析
2.3 图像识别实验及结果分析
2.3.1 实验设置
2.3.2 参数设置
2.3.3 实验结果及分析
2.4 本章小结
第3章 基于深度学习方法的目标检测技术研究
3.1 引言
3.2 目标检测系统框架
3.2.1 基于CNN的图像特征提取
3.2.2 基于RPN的目标区域提取
3.2.2.1 RPN原理
3.2.2.2 RPN的训练
3.2.3 基于Fast R-CNN的目标识别
3.3 目标检测实验及结果分析
3.3.1 目标检测数据集
3.3.2 实验步骤
3.3.3 实验结果与分析
3.4 本章小结
第4章 基于全卷积神经网络的语义分割技术研究
4.1 引言
4.2 全卷积网络模型（FCN , Fully convolutional networks）
4.2.1 模型架构
4.2.2 全卷积网络与传统CNN网络
4.2.3 全连接层的卷积化
4.2.4 反卷积层（上采样层）
4.3 语义分割实验及结果分析
4.3.1 语义分割数据集
4.3.2 实验结果分析
4.4 本章小结
第5章 基于真实室内场景的场景理解总体实验
5.1 引言
5.2 室内移动机器人实验平台
5.2.1 实验平台底盘介绍
5.2.2 RHF407开发板
5.3 室内场景下的物体识别实验
5.4 室内场景下的目标检测实验
5.4.1 简单场景下的单物体目标检测实验
5.4.2 复杂场景下的多物体目标检测实验
5.5 室内场景下的语义分割实验
5.5.1 简单场景下的语义分割实验
5.5.2 复杂场景下的多物体语义分割实验
5.6 本章小结
总结与展望
参考文献
攻读硕士论文期间所取得的科研成果
致谢
附录：ILC-CNN核心程序代码
