声明
第一章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 图像识别
1.2.2 点云识别
1.2.3 层次视觉识别
1.2.4 数据增强
1.3 研究内容
1.4 组织结构
第二章 相关理论和技术介绍
2.1 深度学习简介
2.1.1 经典深度网络模型
2.1.2 深度神经网络训练
2.2 层次概念本体树
2.3 知识蒸馏技术
2.3.1 深度互学习方法
2.3.2 多分支集成学习
2.4 图像混合增强技术
2.5 本章小结
第三章 基于层次结构的模型增强方法
3.1 引言
3.2.1 模型框架简介
3.2.2 概念本体树的构造
3.2.3 层次化特征学习
3.2.4 层次化目标预测
3.3 层次知识增强模型
3.4 层次图像推荐方法
3.5 实验及结果分析
3.5.1 实验数据和评价指标
3.5.2 实验环境和参数设置
3.5.3 图像分类结果分析
3.5.4 图像推荐结果分析
3.6 本章小结
第四章 基于数据混合的模型增强方法
4.1 引言
4.2.1 层次数据混合增强方法
4.2.2 实验设置和性能指标
4.2.3 实验结果与分析
4.3 面向点云的数据混合增强
4.3.1 随机混合
4.3.2 基于点随机混合的数据增强方法
4.3.3 基于特征随机混合的数据增强方法
4.3.4 实验设置和性能指标
4.3.5 随机混合的消融实验
4.3.6 基于点随机混合结果分析
4.3.7 基于特征随机混合结果分析
4.4 本章小结
第五章 总结与展望
5.1 工作总结
5.2 未来展望
致谢
参考文献
附录
杭州电子科技大学;