深度圖片是表示場景中物體的深度信息的圖片,場景中的深度信息在目標(biāo)識別、場景識別、語義分割、物體追蹤、場景理解等多種視覺任務(wù)中都有很重要的作用。傳統(tǒng)的深度圖像的生成通過傳感器發(fā)射并接收物體反射回來的探測光的方法獲取場景中的物體的深度信息,如TOF相機、利用結(jié)構(gòu)光來獲取深度信息的Kinect相機、以及用激光雷達掃描獲得場景中深度信息的方法。但是傳統(tǒng)的深度圖片的獲取受設(shè)備影響因素較大,獲取難度大,且受場景中特定物體的影響會出現(xiàn)部分深度信息缺失的現(xiàn)象。在利用神經(jīng)網(wǎng)絡(luò)生成深度圖像方面,國內(nèi)外也有較多的研究,其方法主要分為兩種,分別為通過單目圖片來生成深度圖片和雙目圖片來生成深度圖片。通過雙目圖片的匹配可以較為容易的獲得場景中的深度信息,因此在利用雙目圖片生成深度圖片方面有較多的研究,而在利用單目圖片生成深度圖片方面的研究較為少。本文針對單目圖片生成深度圖片的問題,提出了GAN網(wǎng)絡(luò)的模型的解決方案,在生成模型中,采用卷積層和卷積層下采樣的結(jié)構(gòu)提取深度特征,之后采用pixel shuffle上采樣和卷積層的結(jié)構(gòu)將提取到的深度特征還原為深度圖像。在判別模型中,采用卷積層和下采樣的結(jié)構(gòu)對判別網(wǎng)絡(luò)的輸入進... 

【文章來源】：大連理工大學(xué)遼寧省211工程院校985工程院校教育部直屬院校

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 深度圖像
    1.2 深度圖像的獲取
    1.3 神經(jīng)網(wǎng)絡(luò)生成深度圖像的研究現(xiàn)狀
    1.4 本文主要架構(gòu)
2 感知機和神經(jīng)網(wǎng)絡(luò)
    2.1 感知機
    2.2 多層感知機
    2.3 激活函數(shù)
    2.4 批量學(xué)習(xí)和反向傳播算法
    2.5 深度學(xué)習(xí)的優(yōu)化方法
    2.6 損失函數(shù)
    2.7 正則化
    2.8 本章小結(jié)
3 判別網(wǎng)絡(luò)和生成網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計
    3.1 卷積神經(jīng)網(wǎng)絡(luò)
        3.1.1 卷積層
        3.1.2 池化層
        3.1.3 Dropout和 Batch Normalization
        3.1.4 激勵層和全連接層
        3.1.5 經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)和全連接層的局限性
    3.2 全卷積判別網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
        3.2.1 全卷積神經(jīng)網(wǎng)絡(luò)
        3.2.2 下采樣的必要性和DCGAN中的下采樣
        3.2.3 全卷積判別網(wǎng)絡(luò)
    3.3 生成網(wǎng)絡(luò)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計
        3.3.1 Encoder-Decoder結(jié)構(gòu)
        3.3.2 上采樣
        3.3.3 SRGAN和SRGAN的上采樣分析
        3.3.4 生成網(wǎng)絡(luò)結(jié)構(gòu)
    3.4 本章小結(jié)
4 基于GAN網(wǎng)絡(luò)的深度圖像生成算法
    4.1 生成對抗網(wǎng)絡(luò)
        4.1.1 基于傳統(tǒng)GAN網(wǎng)絡(luò)的單目深度圖像的生成
    4.2 基于GAN網(wǎng)絡(luò)的全卷積單目深度圖像的生成算法
        4.2.1 二維標(biāo)簽
        4.2.2 網(wǎng)絡(luò)算法流程
        4.2.3 損失函數(shù)
    4.3 本章小結(jié)
5 網(wǎng)絡(luò)訓(xùn)練和結(jié)果
    5.1 實驗數(shù)據(jù)集
    5.2 實驗數(shù)據(jù)設(shè)置
    5.3 實驗結(jié)果
結(jié)論
參考文獻
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻】：
期刊論文
[1]基于深度圖像的室內(nèi)機器人避障系統(tǒng)[J]. 馬利紅,范晨光,王書平,周武.  浙江師范大學(xué)學(xué)報(自然科學(xué)版). 2016(03)

碩士論文
[1]基于固定雙目視覺的移動機器人避障方法研究[D]. 馬莉.蘭州理工大學(xué) 2013



本文編號：3625351