目錄
前言
第1章 緒論 1
1.1 背景和意義 1
1.2 問題與挑戰(zhàn) 2
1.2.1 深度學(xué)習(xí)問題描述 2
1.2.2 深度學(xué)習(xí)的挑戰(zhàn) 3
1.2.3 機器人環(huán)境感知 4
1.3 研究現(xiàn)狀 5
1.3.1 深度學(xué)習(xí)發(fā)展 6
1.3.2 深度學(xué)習(xí)與正則化 7
1.3.3 深度學(xué)習(xí)在機器人環(huán)境感知的應(yīng)用 10
1.4 本書組織結(jié)構(gòu) 11
第2章 隱層正則約束：圖正則自編碼器 13
2.1 引言 13
2.2 圖正則自編碼器 14
2.2.1 自編碼器 15
2.2.2 單隱層圖正則化自編碼器 16
2.2.3 棧式圖正則化自編碼器 18
2.2.4 近鄰圖構(gòu)造 18
2.2.5 模型訓(xùn)練 19
2.3 圖正則化理論分析 21
2.3.1 圖正則項對于輸入空間的鄰域特性建模 23
2.3.2 圖正則項對于隱層表示的影響 24
2.3.3 圖正則項與其他正則項的關(guān)系 26
2.4 圖像聚類與分類實驗結(jié)果 27
2.4.1 圖像聚類實驗 27
2.4.2 圖像分類實驗 34
2.5 廣義圖正則化與場景分類 39
2.5.1 廣義圖正則自編碼器 40
2.5.2 多層級輸入構(gòu)造以及結(jié)果融合 41
2.6 場景分類實驗結(jié)果 46
2.7 本章小結(jié) 49
第3章 結(jié)構(gòu)正則約束：語義正則網(wǎng)絡(luò) 51
3.1 引言 51
3.2 語義正則卷積神經(jīng)網(wǎng)絡(luò) 53
3.2.1 卷積神經(jīng)網(wǎng)絡(luò) 53
3.2.2 語義正則下的場景分類網(wǎng)絡(luò) 55
3.2.3 輸入構(gòu)造 59
3.3 基于場景類別的語義分割優(yōu)化 59
3.4 實驗結(jié)果 61
3.4.1 實驗配置 62
3.4.2 語義正則結(jié)構(gòu)有效性驗證 62
3.4.3 場景分類結(jié)果 64
3.4.4 語義分割優(yōu)化結(jié)果 66
3.4.5 數(shù)據(jù)集外場景測試結(jié)果 68
3.5 本章小結(jié) 70
第4章 結(jié)構(gòu)正則約束：嵌套殘差網(wǎng)絡(luò) 71
4.1 引言 71
4.2 嵌套殘差網(wǎng)絡(luò) 73
4.2.1 稠密參考深度構(gòu)造 73
4.2.2 結(jié)構(gòu)正則化的嵌套殘差網(wǎng)絡(luò) 77
4.2.3 代價函數(shù) 79
4.3 實驗結(jié)果 80
4.3.1 實驗配置 81
4.3.2 結(jié)構(gòu)正則化有效性驗證 82
4.3.3 深度估計結(jié)果對比 84
4.3.4 輸入稀疏觀測與輸出置信度分析 88
4.4 本章小結(jié) 90
第5章 輸出正則約束：深度移動立方體網(wǎng)絡(luò) 91
5.1 引言 91
5.2 深度移動立方體算法 94
5.2.1 移動立方體算法 94
5.2.2 可導(dǎo)移動立方體層 97
5.2.3 網(wǎng)絡(luò)結(jié)構(gòu) 99
5.3 正則化深度移動立方體網(wǎng)絡(luò) 100
5.3.1 點到物體表面距離 101
5.3.2 占用概率先驗正則 101
5.3.3 網(wǎng)格模型復(fù)雜度正則 102
5.3.4 網(wǎng)格模型曲率正則 102
5.4 實驗結(jié)果 103
5.4.1 模型及正則項驗證 103
5.4.2 基于點云的三維物體重構(gòu) 107
5.4.3 基于體素模型的三維物體重構(gòu) 111
5.5 本章小結(jié) 113
第6章 總結(jié)與展望 114
6.1 本書總結(jié) 114
6.2 未來工作展望 115
參考文獻 116
相關(guān)發(fā)表文章 132
彩圖