面向深度学习扩展算法的编译优化方法
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-15页 |
| 1.3 本文的主要工作 | 第15-16页 |
| 1.4 论文的组织 | 第16-18页 |
| 第2章 Faster RCNN深度学习模型 | 第18-28页 |
| 2.1 相关内容介绍 | 第18-19页 |
| 2.2 RCNN模型 | 第19-22页 |
| 2.3 Fast RCNN模型 | 第22-24页 |
| 2.4 Faster RCNN模型 | 第24-27页 |
| 2.5 章节小结 | 第27-28页 |
| 第3章 Faster RCNN性能优化 | 第28-40页 |
| 3.1 Faster RCNN性能分析 | 第28-30页 |
| 3.2 Proposal层算法分析与优化实现 | 第30-39页 |
| 3.3 章节小结 | 第39-40页 |
| 第4章 GMM在Faster RCNN中的应用 | 第40-46页 |
| 4.1 基于GMM对图像背景差分预处理 | 第40-41页 |
| 4.2 GMM原理与过程 | 第41-44页 |
| 4.3 GMM的实现 | 第44-45页 |
| 4.4 章节小结 | 第45-46页 |
| 第5章 领域编程语言ParaC的扩展支持 | 第46-52页 |
| 5.1 ParaC语言介绍 | 第46-47页 |
| 5.2 ParaC语言支持扩展 | 第47-51页 |
| 5.3 章节小结 | 第51-52页 |
| 第6章 实验与测试结果分析 | 第52-57页 |
| 6.1 测试环境 | 第52-53页 |
| 6.2 测试结果与分析 | 第53-56页 |
| 6.3 章节小结 | 第56-57页 |
| 第7章 结论与展望 | 第57-59页 |
| 7.1 工作总结 | 第57-58页 |
| 7.2 工作展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 作者简介及在学期间所取得的科研成果 | 第62-63页 |
| 致谢 | 第63页 |
