近年來,基于單張單視角RGB圖像的三維重建研究得到了廣泛關(guān)注。由于基于RGB圖像的深度神經(jīng)網(wǎng)絡(luò)獲得了巨大成功,三維重建的質(zhì)量也得到大幅提升。目前的深度學(xué)習(xí)模型大都是重建體素信息來表示三維模型,換言之,這些深度模型是將RGB圖像映射到三維圖像(體素類似于像素)。即使體素重建質(zhì)量很高,但是卻丟失了三維物體一些重要的信息,例如形狀拓?fù)浜筒考g的關(guān)系等。為了重建出三維物體的結(jié)構(gòu)信息,從RGB圖像中還原出更完整更細(xì)節(jié)性的三維信息,本文提出一種基于RGB圖像三維重建的深度學(xué)習(xí)模型,是一個(gè)卷積遞歸自編碼器,由結(jié)構(gòu)掩膜網(wǎng)絡(luò)和結(jié)構(gòu)重建網(wǎng)絡(luò)兩個(gè)子網(wǎng)絡(luò)組成。首先,給定一張具有目標(biāo)對(duì)象的RGB圖像作為輸入,由結(jié)構(gòu)掩膜網(wǎng)絡(luò)進(jìn)行RGB圖像輪廓特征和結(jié)構(gòu)特征提取。然后利用結(jié)構(gòu)重建網(wǎng)絡(luò)將特征解碼,并利用長(zhǎng)方體和樹狀層次結(jié)構(gòu)分別表示三維物體的每一個(gè)部件和部件之間的相互關(guān)系,包括連接關(guān)系和對(duì)稱關(guān)系(即旋轉(zhuǎn)對(duì)稱關(guān)系、平行對(duì)稱關(guān)系以及鏡面對(duì)稱關(guān)系),從而實(shí)現(xiàn)自動(dòng)重建RGB圖像中目標(biāo)對(duì)象的三維結(jié)構(gòu)信息。其中,結(jié)構(gòu)掩膜子網(wǎng)絡(luò)的目的是對(duì)RGB圖像進(jìn)行解析,它是一個(gè)多尺度卷積神經(jīng)網(wǎng)絡(luò),通過學(xué)習(xí)在各種尺度和環(huán)境下目標(biāo)物體的特征,以識(shí)...

【文章頁數(shù)】：77 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景
        1.1.1 三維物體的表示方式
        1.1.2 三維重建方法概述
        1.1.3 基于RGB圖像的深度學(xué)習(xí)方法
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 基于深度估計(jì)的三維重建
        1.2.2 生成對(duì)抗式三維重建
        1.2.3 幾何結(jié)構(gòu)信息的恢復(fù)重建
    1.3 本文工作
        1.3.1 研究?jī)?nèi)容
        1.3.2 本文貢獻(xiàn)
    1.4 論文組織結(jié)構(gòu)
    1.5 小結(jié)
第二章 RGB圖像特征提取相關(guān)方法
    2.1 RGB圖像特征的定義和屬性
        2.1.1 RGB圖像特征的定義
        2.1.2 RGB圖像特征的屬性
    2.2 RGB圖像特征提取方法
        2.2.1 尺度不變特征變換
        2.2.2 加速穩(wěn)健特征
        2.2.3 梯度位置方向直方圖
        2.2.4 方向梯度直方圖
    2.3 RGB圖像特征提取深度模型分析
        2.3.1 Alex Net
        2.3.2 VGGNet
    2.4 小結(jié)
第三章 RGB圖像目標(biāo)對(duì)象掩膜提取
    3.1 目標(biāo)物體提取相關(guān)方法
        3.1.1 圖像預(yù)處理
        3.1.2 邊緣檢測(cè)
        3.1.3 圖像分割
        3.1.4 種子點(diǎn)選擇
        3.1.5 區(qū)域增長(zhǎng)和融合
        3.1.6 目標(biāo)提取
    3.2 深度學(xué)習(xí)模型分析
        3.2.1 神經(jīng)網(wǎng)絡(luò)概述
        3.2.2 卷積神經(jīng)網(wǎng)絡(luò)
        3.2.3 遞歸神經(jīng)網(wǎng)絡(luò)
    3.3 結(jié)構(gòu)掩膜網(wǎng)絡(luò)的搭建
        3.3.1 數(shù)據(jù)準(zhǔn)備
        3.3.2 目標(biāo)提取網(wǎng)絡(luò)搭建
        3.3.3 神經(jīng)網(wǎng)絡(luò)訓(xùn)練
        3.3.4 實(shí)驗(yàn)結(jié)果分析
    3.4 小結(jié)
第四章 三維結(jié)構(gòu)的表示與重建方法
    4.1 RGB圖像三維重建的相關(guān)方法
        4.1.1 基于部件檢索的圖像三維重建
        4.1.2 基于體元組裝的圖像三維重建
        4.1.3 基于體素表示的圖像三維重建
    4.2 三維物體結(jié)構(gòu)表示法
        4.2.1 有向包圍盒
        4.2.2 樹狀結(jié)構(gòu)表示法
    4.3 結(jié)構(gòu)重建網(wǎng)絡(luò)的搭建
        4.3.1 遞歸神經(jīng)網(wǎng)絡(luò)解碼
        4.3.2 三維結(jié)構(gòu)重建網(wǎng)絡(luò)
    4.4 小結(jié)
第五章 基于RGB圖像的三維結(jié)構(gòu)重建方法
    5.1 三維重建網(wǎng)絡(luò)框架
        5.1.1 RGB圖像三維重建深度模型
        5.1.2 結(jié)構(gòu)掩膜網(wǎng)絡(luò)
        5.1.3 結(jié)構(gòu)重建網(wǎng)絡(luò)
    5.2 三維重建網(wǎng)絡(luò)實(shí)驗(yàn)細(xì)節(jié)
        5.2.1 訓(xùn)練數(shù)據(jù)對(duì)生成
        5.2.2 數(shù)據(jù)處理和增強(qiáng)
        5.2.3 訓(xùn)練細(xì)節(jié)
    5.3 三維重建網(wǎng)絡(luò)實(shí)驗(yàn)效果
        5.3.1 實(shí)驗(yàn)結(jié)果展示
        5.3.2 實(shí)驗(yàn)結(jié)果評(píng)估
        5.3.3 實(shí)驗(yàn)結(jié)果對(duì)比
    5.4 小結(jié)
第六章 結(jié)束語
    6.1 工作總結(jié)
    6.2 工作展望
致謝
參考文獻(xiàn)
作者在學(xué)期間取得的學(xué)術(shù)成果



本文編號(hào)：3778694