| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-25页 |
| 1.1 引言 | 第11页 |
| 1.2 物体类检测算法 | 第11-14页 |
| 1.3 上下文的研究 | 第14-22页 |
| 1.3.1 上下文的定义 | 第14页 |
| 1.3.2 上下文研究的背景、意义以及现状 | 第14-16页 |
| 1.3.3 上下文的类型 | 第16-20页 |
| 1.3.4 上下文的层级 | 第20-22页 |
| 1.4 论文的架构 | 第22-25页 |
| 第2章 基于可变形部件模型的物体类检测 | 第25-35页 |
| 2.1 可变形部件模型简介 | 第25-26页 |
| 2.2 特征提取 | 第26-28页 |
| 2.2.1 像素级别特征提取 | 第26-27页 |
| 2.2.2 空间聚集(spatial aggregation) | 第27页 |
| 2.2.3 归一化和截断 | 第27-28页 |
| 2.3 模型的训练 | 第28-30页 |
| 2.3.1 模型的形式化表示 | 第28-29页 |
| 2.3.2 Latent SVM | 第29页 |
| 2.3.3 目标优化分析 | 第29-30页 |
| 2.3.4 训练流程 | 第30页 |
| 2.4 模型的匹配 | 第30-32页 |
| 2.4.1 DPM 模型匹配流程图 | 第30-31页 |
| 2.4.2 模型的匹配 | 第31-32页 |
| 2.5 后续处理 | 第32-33页 |
| 2.5.1 限定框的预测 | 第32-33页 |
| 2.5.2 非极大值压缩 | 第33页 |
| 2.5.3 上下文信息的利用 | 第33页 |
| 2.6 本章小结 | 第33-35页 |
| 第3章 上下文特征的提取 | 第35-45页 |
| 3.1 图像特征的提取 | 第35-37页 |
| 3.2 gist 特征上下文 | 第37-40页 |
| 3.2.1 gist 简介 | 第37页 |
| 3.2.2 gist 特征的提取 | 第37-39页 |
| 3.2.3 gist 特征的上下文提取 | 第39-40页 |
| 3.3 Feature context 特征上下文 | 第40-44页 |
| 3.3.1 SC(shape context)特征 | 第40-41页 |
| 3.3.2 径向基编码 | 第41-42页 |
| 3.3.3 Feature context 特征提取 | 第42-43页 |
| 3.3.4 Feature context 特征上下文提取 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 融合上下文信息的物体类检测 | 第45-55页 |
| 4.1 上下文信息融合 | 第45-47页 |
| 4.1.1 上下文的应用 | 第45页 |
| 4.1.2 特征融合策略 | 第45-46页 |
| 4.1.3 特征融合方法 | 第46-47页 |
| 4.2 支持向量机分类 | 第47-49页 |
| 4.3 融合上下文信息分类器的训练 | 第49-54页 |
| 4.3.1 样本选取 | 第50-52页 |
| 4.3.2 支持向量机的参数寻优与训练 | 第52-54页 |
| 4.4 融合上下文信息分类器的测试 | 第54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 实验结果与分析 | 第55-63页 |
| 5.1 实验环境与评价标准 | 第55-56页 |
| 5.2 分类器训练环境参数设置 | 第56-57页 |
| 5.3 融合上下文信息的分类实验 | 第57-62页 |
| 5.3.1 融合 gist 上下文信息的分类实验 | 第57-60页 |
| 5.3.2 融合 Feature context 上下文信息的分类实验 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 全文工作总结 | 第63页 |
| 6.2 本文的创新点 | 第63-64页 |
| 6.3 进一步的研究 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 作者简介及在学期间取得的科研成果 | 第70-71页 |
| 致谢 | 第71页 |
