| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 研究难点 | 第14-15页 |
| 1.4 本文的主要研究内容以及论文组织结构 | 第15-17页 |
| 第2章 物体检测相关技术 | 第17-27页 |
| 2.1 提取候选区域方法 | 第17-19页 |
| 2.2 特征提取方法 | 第19-20页 |
| 2.3 深度神经网络 | 第20-25页 |
| 2.3.1 人工神经网络 | 第21-22页 |
| 2.3.2 卷积神经网络 | 第22-25页 |
| 2.4 分类算法 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于改进的VGG16 网络提取CNN特征 | 第27-35页 |
| 3.1 改进的VGG16网络结构 | 第27-29页 |
| 3.2 提取CNN特征 | 第29-32页 |
| 3.3 实验平台及实验数据 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于多特征融合的SVM物体分类 | 第35-49页 |
| 4.1 提取传统特征 | 第35-39页 |
| 4.1.1 提取HOG特征 | 第35-37页 |
| 4.1.2 提取LBP特征 | 第37-39页 |
| 4.2 多特征融合 | 第39-41页 |
| 4.3 基于SVM的物体分类 | 第41-46页 |
| 4.3.1 PCA降维 | 第41-44页 |
| 4.3.2 SVM分类 | 第44-46页 |
| 4.4 实验结果及分析 | 第46-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第5章 基于RPN的物体检测 | 第49-61页 |
| 5.1 物体检测流程 | 第49-50页 |
| 5.2 提取候选区域 | 第50-55页 |
| 5.2.1 滑动窗口 | 第50-51页 |
| 5.2.2 选择性搜索(selective search)算法 | 第51-53页 |
| 5.2.3 Region Proposal Networks算法 | 第53-55页 |
| 5.3 物体检测实验结果与分析 | 第55-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 攻读硕士期间已发表的论文 | 第69-71页 |
| 致谢 | 第71-72页 |