基于卷积神经网络的图像目标检测方法研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-24页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 图像目标检测研究现状 | 第10-17页 |
| 1.2.1 传统的图像目标检测方法 | 第10-16页 |
| 1.2.2 基于深度学习的图像目标检测方法 | 第16-17页 |
| 1.3 图像目标检测技术难点 | 第17-20页 |
| 1.4 论文的主要工作与结构安排 | 第20-23页 |
| 1.4.1 主要研究内容 | 第20-22页 |
| 1.4.2 论文结构安排 | 第22-23页 |
| 1.5 本章小结 | 第23-24页 |
| 2 基于MFF-RPN的检测区域提取 | 第24-33页 |
| 2.1 引言 | 第24页 |
| 2.2 区域生成网络RPN | 第24-25页 |
| 2.3 基于MFF-RPN的检测区域提取 | 第25-32页 |
| 2.3.1 MFF-RPN网络构建 | 第25-29页 |
| 2.3.2 MFF-RPN网络训练 | 第29-32页 |
| 2.4 本章小结 | 第32-33页 |
| 3 基于多尺度CNN的图像目标检测模型 | 第33-43页 |
| 3.1 引言 | 第33页 |
| 3.2 多尺度CNN特征提取网络构建 | 第33-39页 |
| 3.2.1 CNN卷积神经网络模型 | 第34-37页 |
| 3.2.2 多尺度特征提取网络结构设计 | 第37-39页 |
| 3.3 多任务分类回归器设计 | 第39-41页 |
| 3.4 基于CNN的图像目标检测模型训练 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 基于CNN图像目标检测实验 | 第43-55页 |
| 4.1 Caffe实验环境设置 | 第43-46页 |
| 4.1.1 实验数据集 | 第43-46页 |
| 4.1.2 实验环境设置 | 第46页 |
| 4.2 实验结果及分析 | 第46-54页 |
| 4.2.1 区域提取实验结果及分析 | 第46-47页 |
| 4.2.2 特征可视化结果及分析 | 第47-49页 |
| 4.2.3 图像目标检测结果与分析 | 第49-54页 |
| 4.3 本章小结 | 第54-55页 |
| 5 总结与展望 | 第55-58页 |
| 5.1 总结 | 第55-56页 |
| 5.2 展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录 | 第63页 |
| A．作者在攻读硕士学位期间发表的论文 | 第63页 |
| B．作者在攻读硕士学位期间取得的科研成果 | 第63页 |
| C．作者在攻读硕士学位期间参加的科研项目 | 第63页 |
