首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于特征共享的高效物体检测

摘要第1-7页
ABSTRACT第7-20页
第一章 绪论第20-34页
   ·物体检测简介第20页
   ·研究意义第20-22页
   ·算法框架第22-24页
   ·主要困难第24-25页
   ·研究现状第25-31页
   ·研究趋势第31页
   ·主要创新点第31-32页
   ·章节安排第32-34页
第二章 相关工作第34-50页
   ·物体检测的特征第34-39页
     ·像素特征第34-37页
     ·特征描述子第37-38页
     ·深度卷积神经网络特征第38-39页
   ·物体检测的组件第39-45页
     ·分类器第39-42页
     ·外边框回归第42-43页
     ·区域生成第43-44页
     ·非极大值抑制第44-45页
   ·物体检测的算法框架第45-50页
     ·决策树提升模型第45页
     ·可形变部件模型第45-47页
     ·深度卷积神经网络第47-50页
第三章 基于SPP的多区域特征共享第50-62页
   ·空间金字塔池化(SPP)第50-53页
     ·卷积层与特征图像第50-51页
     ·空间金字塔池化层第51-53页
   ·空间金字塔池化在物体检测中的应用第53-56页
     ·算法框架第53-54页
     ·从输入图像到特征图像的映射第54-55页
     ·复杂度与运行时间第55-56页
   ·实验及应用第56-60页
     ·Pascal VOC上的实验结果第56-57页
     ·多模型融合的提升第57-58页
     ·ILSVRC 2014比赛第58-60页
   ·小结与讨论第60-62页
第四章 基于RPN的多尺度特征共享第62-86页
   ·区域生成网络第63-68页
     ·锚点第64-66页
     ·损失函数第66-67页
     ·区域生成网络的训练第67-68页
   ·区域生成与分类网络共享特征第68-69页
   ·实现细节第69-71页
   ·实验及应用第71-85页
     ·Pascal VOC上的实验结果第71-78页
     ·COCO上的实验结果第78-79页
     ·从COCO到VOC第79-81页
     ·COCO 2015比赛第81-83页
     ·ILSVRC 2015比赛第83-85页
   ·小结与讨论第85-86页
第五章 基于LBF的子图内多区域以及多任务特征共享第86-106页
   ·基于LBF的人脸对准第86-98页
     ·级联回归框架第86-87页
     ·局部二值特征第87-90页
     ·局部性约束第90-92页
     ·共享特征及全局回归第92页
     ·实验验证第92-98页
   ·联合对准与检测第98-104页
     ·对准促进更好的分类第99页
     ·统一的级联架构第99-100页
     ·共享特征的对准与检测第100-101页
     ·实验验证第101-104页
   ·小结与讨论第104-106页
第六章 总结与展望第106-110页
   ·研究工作总结第106-107页
   ·不足与展望第107-110页
参考文献第110-122页
致谢第122-124页
在读期间发表的学术论文与取得的研究成果第124-125页

论文共125页,点击 下载论文
上一篇:高中思想政治课生活化教学的应用探究--以《经济生活》为例
下一篇:一种可模块化组装柔体机器人的柔性智能模块化结构