声明
摘要
1．1课题来源及研究意义
1．2课题研究现状
1．2．1基于怔层手工特征的室内场景分类方法
1．2．2基于高层语义特征的室内场景分类方法
1．2．3基于深度学习的室内场景分类方法
1．3课题研究难点
1．4论文研究内容和章节安排
第二章室内场景分类研究基础
2．1卷积神经网络
2．1．1卷积层
2．1．2池化层
2．1．3全连接层
2．1．4输出层
2．2基础模型选择分析
2．2．1 Inception模块
2．2．2基础模型结构
2．3开源场景分类数据集介绍
2．4本章小结
第三章基于类内聚合损失的室内场景分类方法
3．1类内聚合损失函数
3．1．1孪生网络
3．1．2类内差异损失
3．1．3类间分类损失
3．1．4类内聚合分类损失函数
3．2室内场景分类实验
3．2．1实验条件及基本要求
3．2．2正则化系数对比试验
3．2．3同类场景特征分布对比试验
3．3本章小结
第四章基于卷积神经网络特性的多尺度室内场景分类方法
4．1多层多尺度模型
4．2室内场景分类实验
4．2．1实验条件
4．2．2多层多尺度室内场景分类对比实验
4．2．3 MIT Indoor 67数据集分类结果对比
4．3本章小结
第五章基于云服务平台的室内场景分类试验研究
5．1硬件平台介绍
5．1．2服务机器人云服务平台硬件配置
5．2服务机器人云服务平台介绍
5．2．1网关层
5．2．4室内场景分类云服务部署
5．2．5室内场量分类云服务调用
5．3真实家庭室内场景验证集介绍
5．4实验分析
5．4．1图像压缩与传输时延实验分析
5．4．2 67类场景分类模型在家庭场景实验分析
5．4．3 4类场景分类模型在家鹰场景实验分析
5．4．4场景分类云服务耗时分析
5．5本章小结
6．1总结
6．2展望
参考文献
致谢
硕士期间发表论文与科研成果
硕士期间所获奖励与荣誉
硕士期间参加的科研工作
